基於STM32的AI應用：使用NanoEdge AI Studio透過偵測電流進行風扇異常情況檢測和分類

本影片介紹如何使用NanoEdge AI Studio快速部署AI應用。
本應用的目的是透過馬達控制板的電流訊號，偵測風扇濾網的堵塞百分比。當風扇堵塞時，馬達電流訊號波型將有所不同，但利用傳統演算法偵測差異並不容易。
因此，機器學習演算法便成為解決這個問題的絕佳選擇。

NanoEdge AI Studio的問世正值AI功能從雲端向邊緣移轉之際，該趨勢使設備廠商能從根本改善工業生產流程，降低製造設備維護成本，為能夠感知和處理資料以及本地操作的設備帶來創新功能，改善通訊延遲和資訊安全。升級軟體的應用包含連網裝置、家電和工業自動化。

NanoEdge AI Studio可簡化在任何STM32微控制器上開發機器學習、異常偵測學習、偵測與分類應用。新版本亦包含預測功能，例如，回歸演算法庫和離群值檢測演算法庫。使用者無需學習資料等專業知識即可利用該開發工具將最先進的機器學習功能快速、輕鬆、經濟地整合至設備中。

意法半導體增加了軟體對所有STM32開發板的原生支援，開發者無需再為具有新的高速資料採集與管理功能的工業級感測器編寫程式碼。NanoEdge AI Studio軟體提升了資料安全性，因為邊緣運算是使用本地資料儲存和處理技術，而非雲端傳輸與處理資料。

NanoEdge AI Studio 的主要特色與功能

• 重新設計的使用者介面，使非專家級使用者也能輕鬆地開發最先進的機器學習資料庫；
• 於STWIN開發板上支援全新的高速資料蒐集與管理功能，無需寫任何程式碼即可輕鬆管理所有的工業級感測器；
• 改善了對異常偵測的支援，並適用於預測性維護，能夠準確預估磨損狀況或處理設備老化；
• 直接於STM32 MCUs用小資料集學習正常特徵或使用新演算法訓練模型識別前所未見之異常模型；
• 新增回歸演算法來推斷資料並預測能源管理的未來資料模型或預測設備的剩餘壽命；
• 原生支援所有STM32開發板，無需額外配置