AI国际站|智能传感器：从大数据到使用AI的智能数据
文 | AI国际站 唐恩
编 | 艾娃
本文由AI国际站 原创出品 ， 未经许可 ， 任何渠道、平台请勿转载 ， 违者必究
【AI国际站|智能传感器：从大数据到使用AI的智能数据】工业4.0应用程序生成大量的复杂数据-大数据 。 越来越多的传感器以及通常可用的数据源使机器 ， 系统和过程的虚拟视图变得更加详细 。 这自然增加了在整个价值链中产生附加值的潜力 。 但是 ， 与此同时 ， 关于如何精确提取该值的问题不断出现-毕竟 ， 用于数据处理的系统和体系结构变得越来越复杂 。 只有有了相关的 ， 高质量的和有用的数据（智能数据） ， 相关的经济潜力才能发挥出来 。
本文插图
挑战性
收集所有可能的数据并将其存储在云中 ， 以期以后对它们进行评估 ， 分析和结构化是一种广泛但并非特别有效的从数据中提取价值的方法 。 从数据产生附加值的潜力一直没有得到利用;在以后找到解决方案变得更加复杂 。 更好的替代方法是尽早进行考虑以确定哪些信息与应用程序相关 ， 以及可以在数据流中的何处提取信息 。 形象地说 ， 这意味着完善数据;也就是说 ， 从整个处理链的大数据中提取智能数据 。 可以在应用程序级别上确定哪些AI算法对于各个处理步骤具有很高的成功率 。 该决定取决于边界条件 ， 例如可用数据 ， 应用程序类型 ， 可用传感器模式以及有关较低级别物理过程的背景信息 。
对于各个处理步骤 ， 正确的数据处理和解释对于从传感器信号中产生真正的附加值至关重要 。 取决于应用 ， 可能难以正确解释离散传感器数据并提取所需信息 。 时间行为通常起着作用 ， 并直接影响所需的信息 。 另外 ， 必须经常考虑多个传感器之间的依赖性 。 对于复杂的任务 ， 简单的阈值和手动确定的逻辑或规则已不再足够 。 人工智能算法
相比之下 ， 借助AI算法进行的数据处理可以自动分析复杂的传感器数据 。 通过这种分析 ， 可以沿着数据处理链自动从数据中获得所需的信息 ， 从而增加价值 。 对于始终是AI算法一部分的模型构建 ， 基本上有两种不同的方法 。
一种方法是通过公式和数据与所需信息之间的显式关系进行建模 。 这些方法要求以数学描述的形式提供物理背景信息 。 这些所谓的基于模型的方法将传感器数据与该背景信息相结合 ， 以针对所需信息产生更精确的结果 。 这里最广为人知的例子是卡尔曼滤波器 。
如果有可用的数据 ， 但没有可用数学方程式描述的背景信息 ， 则必须选择所谓的数据驱动方法 。 这些算法直接从数据中提取所需的信息 。 它们涵盖了全方位的机器学习方法 ， 包括线性回归 ， 神经网络 ， 随机森林和隐马尔可夫模型 。
AI方法的选择通常取决于有关应用程序的现有知识 。 如果可以获得广泛的专业知识 ， 那么AI将扮演更重要的角色 ， 并且所使用的算法还很初级 。 如果不存在专家知识 ， 则使用的AI算法会更加复杂 。 在许多情况下 ， 应用程序定义了硬件 ， 并由此定义了AI算法的局限性 。
本文插图
嵌入式 ， 边缘或云实施
整个数据处理链以及每个单独步骤所需的所有算法 ， 都必须以可以产生最高可能附加值的方式实施 。 实施通常发生在总体级别上-从具有有限计算资源的小型传感器通过网关和边缘计算机到大型云计算机 。 显然 ， 算法不仅应在一个级别上实现 。 相反 ， 实现算法尽可能靠近传感器通常更有利 。 这样 ， 可以在早期对数据进行压缩和优化 ， 并降低通信和存储成本 。 此外 ， 通过从数据中早期提取基本信息 ， 可以在更高级别上开发全局算法 。 在大多数情况下 ， 流分析领域的算法还可用于避免不必要的数据存储 ， 从而避免高数据传输和存储成本 。 这些算法仅对每个数据点使用一次 。 即 ， 直接提取完整的信息 ， 不需要存储数据 。 具有AI算法的嵌入式平台
推荐阅读
- 小新说数码|嗨小爱同学——两款入门级智能音箱开箱评测
- 汽车|美国陆军兵器修理部告诉你智能洗车机创业是否真的适合你
- K数码|迄今为止最独特的手机，罗永浩也表示想买
- 小肥龙科创|Android 11被意外泄露，显示电源按钮菜单用于智能设备
- 国际金评天下 | 中芯国际只能救急，自主可控还需攻克难关
- |真奢侈品！LV旗下恒宝将推出“ Big Bang e”的新型智能手表
- |京东和高通合作升级，推动5G智能设备“进万家”
- 录音笔9月开学要挑智能录音笔？搜狗C1对比讯飞A1，谁性价比更高？
- 录音笔300元的智能录音笔到底pick谁？讯飞A1和搜狗C1对比
- 生活海风说|三星Sero开售，专为匹配智能手机等移动设备而设计的电视