边缘 AI 在结构健康监测领域的集成
机器学习
2023-04-10 v1 计算机视觉与模式识别
摘要
结构健康监测（SHM）中的损伤检测等任务对于维护和劣化相关的决策至关重要。例如，SHM 中的裂缝检测对桥梁维护十分关键，因为裂缝扩展会导致结构失稳。然而，文献中大多数 AI/ML 模型在实时环境中运行时存在低延迟与推理延迟的问题。本研究旨在探索边缘 AI 在 SHM 领域的集成，用于实时桥梁检测。基于边缘 AI 文献，其能力将成为 SHM 任务中实时决策支持系统的宝贵集成，从而可在物理现场进行实时推理。本研究将利用商用边缘 AI 平台，如 Google Coral Dev Board 或 Kneron KL520，来开发并分析边缘 AI 设备的有效性。因此，本研究提出一种面向结构健康监测领域的边缘 AI 框架。开发了一个兼容边缘 AI 的深度学习模型来验证该框架以执行实时裂缝分类。该模型的有效性将基于其准确率、生成的混淆矩阵以及实时环境中观测到的推理时间进行评估。
引用
@article{arxiv.2304.03718,
title = {Integrating Edge-AI in Structural Health Monitoring domain},
author = {Anoop Mishra and Gopinath Gangisetti and Deepak Khazanchi},
journal= {arXiv preprint arXiv:2304.03718},
year = {2023}
}
备注
7 pages, 8 figures