BearingNAS: алгоритм для диагностики подшипников прямо на датчике, работающий за час на ноутбуке
В новой научной работе представлен фреймворк BearingNAS, предназначенный для создания интеллектуальных систем диагностики подшипников. Ключевая особенность — выполнение обработки непосредственно на чипе датчика, без передачи данных на внешние устройства.
BearingNAS реализует аппаратно-ориентированный поиск нейронных архитектур (HW-NAS). Задача сформулирована как задача оптимизации с ограничениями при экстремально малых бюджетах памяти: от 4 до 8 Кбайт оперативной и от 16 до 32 Кбайт флеш-памяти.
Для поиска архитектуры не требуются мощные графические ускорители. Авторы разработали легковесную стратегию без использования производных, которая выполняется на обычном процессоре ноутбука. Процесс сходится менее чем за час.
Эффективность проверена на классическом наборе данных Case Western Reserve University (CWRU) для диагностики подшипников. Целевыми платформами стали три микроконтроллера STMicroelectronics, включая специализированный сенсорный процессор LSM6DSO16IS (ISPU).
Лучшая архитектура, полученная для ISPU, показала точность диагностики 99,50%. Это подтверждает возможность переноса вычислительной нагрузки машинного обучения непосредственно в корпус датчика.
Разработка открывает путь к созданию недорогих систем диагностики подшипников для массового промышленного применения, избавляя от необходимости использования дорогих GPU и отдельных вычислительных модулей.
