优化基于物联网的资产与利用率追踪：在资源受限设备上使用 MiniRocket 的高效活动分类
信号处理
2023-10-24 v1
摘要
本文介绍了一种为建筑电动工具加装低功耗物联网以实现精确活动分类的有效方案。我们解决了区分电动工具被移动与被实际使用这一挑战。为实现分类精度与功耗保持，采用了一种名为 MiniRocket 的新发布算法。该算法以时间序列分类的准确性、可扩展性和快速训练著称，本文将其提出作为一种 TinyML 算法，用于资源受限物联网设备上的推理。本文展示了 MiniRocket 在资源受限、超低功耗传感器节点上针对浮点与定点运算的可移植性与性能，其精度可达浮点精度的 1% 以内。该算法的超参数已针对当前任务优化，以找到平衡内存使用、精度与能耗的帕累托点。对于该分类问题，我们仅依赖加速度计作为传感器源，并使用 BLE 进行数据传输。我们使用 16 种不同电动工具收集、标注了大量真实建筑数据，并用于验证直接嵌入物联网设备的算法性能。实验结果表明，所提方案在区分真实使用状态与其他运动状态时达到 96.9% 的准确率，仅消耗 7kB 闪存与 3kB RAM。最终应用展示出整个系统平均电流消耗低于 15μW，根据电池容量（250–500mAh）与电动工具使用小时数（100–1500h）不同，电池寿命为 3 至 9 年。
引用
@article{arxiv.2310.14758,
title = {Optimizing IoT-Based Asset and Utilization Tracking: Efficient Activity Classification with MiniRocket on Resource-Constrained Devices},
author = {Marco Giordano and Silvano Cortesi and Michele Crabolu and Lavinia Pedrollo and Giovanni Bellusci and Tommaso Bendinelli and Engin Türetken and Andrea Dunbar and Michele Magno},
journal= {arXiv preprint arXiv:2310.14758},
year = {2023}
}