VIP7
本课程属于：112-TinyML异常检测与预测维护 AI智能与边缘计算工程 · 共 7 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

9. TinyML振动模型量化：小模型部署与阈值校准

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 适用人群 · 课程结构
课程导入学习目标
02
振动信号基础
振动传感器原理 · 时域/频域特征 · 常见振动故障模式（不平衡
振动信号基础振动传感器原理
03
TinyML与边缘部署概述
TinyML定义 · 微控制器资源限制 · 典型部署流程（训练→量化→部署→校准…
TinyML边缘部署概述
04
振动模型选型
适合MCU的小型神经网络结构（如1D… · LSTM · TinyML专用模型）对比与选择
振动模型选型MCU
05
数据采集与预处理
振动数据采样率 · 窗口化 · 归一化
数据采集预处理
06
模型训练基础
使用TensorFlow/Keras… · 损失函数 · 优化器
模型训练基础TensorFlow/K…
07
量化概念与原理
浮点vs定点 · 量化误差来源 · 对称/非对称量化
量化概念原理
08
TensorFlow Lite量化工具
TFLite转换器 · 动态范围量化 · 全整数量化
TensorFlowLite
09
模型量化实战
将训练好的振动模型转换为TFLite… · 比较量化前后大小 · 精度
模型量化实战TFLite
10
部署平台与工具链
Arduino · STM32 · ESP32
部署平台工具链
11
模型部署流程
将量化TFLite模型转换为C数组或… · 编写推理代码 · 内存管理
模型部署流程TFLite
12
振动模型推理实现
在MCU上加载模型 · 输入预处理（滑动窗口） · 输出后处理（softmax/阈值）
振动模型推理实现MCU
13
阈值校准概念
为什么需要阈值校准 · 固定阈值vs自适应阈值 · 误报与漏报权衡
阈值校准概念为什么需要阈值校…
14
阈值校准方法
基于验证集统计（如ROC曲线） · 最小错误率 · F1-score最大化
阈值校准方法ROC
15
阈值校准实战
使用Python脚本分析模型输出分布 · 计算最优阈值 · 并生成C代码中的阈值常量
阈值校准实战Python
16
端到端案例（一）
电机振动异常检测——从数据采集到量化… · 完整流程演示
端到端案例电机振动异常检测
17
端到端案例（二）
轴承故障分类——多类分类模型量化与阈… · 处理类别不平衡
端到端案例轴承故障分类
18
端到端案例（三）
设备状态监测——实时推理与阈值报警 · 低功耗优化
端到端案例设备状态监测
19
量化后精度损失分析
常见原因（激活值范围 · 离群点） · 诊断方法
量化后精度损失分…常见原因
20
模型压缩与优化
剪枝 · 权重共享 · 知识蒸馏与量化结合
模型压缩优化
21
实时性与功耗优化
推理时间测量 · 低功耗模式 · 事件驱动采样
实时性功耗优化
22
多传感器融合
多轴振动 · 温度 · 电流等信号融合
多传感器融合多轴振动
23
边缘-云协同
边缘模型初筛 · 云端再分析 · 阈值校准与模型更新机制
边缘云协同
24
常见问题与调试
部署后输出异常 · 量化后精度骤降 · 内存不足
常见问题调试
25
测试与验证
在真实硬件上测试模型性能 · 收集现场数据 · 验证阈值有效性
测试验证
26
安全性与可靠性
模型鲁棒性 · 对抗样本 · 传感器故障检测
安全性可靠性
27
项目实战（一）
从零搭建振动监测原型 · 使用公开数据集（如CWRU）完成量化…
项目实战从零搭建振动监测…
28
项目实战（二）
自定义振动数据采集板 · 训练模型并部署 · 完成阈值校准与报警系统
项目实战自定义振动数据采…
29
综合提升
设计可扩展的TinyML振动监测系统 · 考虑多设备管理 · 远程更新
综合提升TinyML
30
课程总结与进阶方向
回顾核心知识点 · 推荐工具与资源 · 探讨未来趋势（如超低功耗
课程总结进阶方向