TinyML 用于物联网传感器网络中的声学异常检测
机器学习
2026-03-30 v1
摘要
Tiny Machine Learning（TinyML）使得在微控制器上直接进行实时、高效的数据处理成为可能，使其非常适合物联网传感器网络。本文提出了一种紧凑的 TinyML 流水线，用于检测物联网传感器网络中的环境声音异常。物联网系统中的声学监测可以增强安全性和上下文感知，但基于云的处理会引入延迟、功耗和隐私方面的挑战。我们的流水线通过从声音信号中提取梅尔频率倒谱系数，并训练一个针对边缘设备部署进行优化的轻量级神经网络分类器来解决这些问题。该模型使用 UrbanSound8K 数据集进行训练和评估，在测试集上达到了 91% 的准确率和正常及异常声音类别均为 0.91 的平衡 F1 分数。这些结果证明了嵌入式声学异常检测在可扩展和响应式物联网部署中的可行性和可靠性。
引用
@article{arxiv.2603.26135,
title = {TinyML for Acoustic Anomaly Detection in IoT Sensor Networks},
author = {Amar Almaini and Jakob Folz and Ghadeer Ashour},
journal= {arXiv preprint arXiv:2603.26135},
year = {2026}
}