TinyML 向 Industry 4.0 迈进：基于微控制器的粉碎机过程监控的资源高效实现
机器学习
2025-08-25 v1 计算机视觉与模式识别
新兴技术
系统与控制
信号处理
系统与控制
摘要
在 Industry 4.0 背景下，可以为智能工厂的未来使用改装长期使用的工业机器，部署过程监控功能。一种可能的方法是部署无线监控系统，这在 TinyML 范式下可获得显著优势。本工作从数据集生成、机器学习模型开发，到在微控制器上实现和评估完整的预处理和分类管道，呈现了一个完整的 TinyML 流程。首先简要回顾了 TinyML 在工业过程监控中的应用。随后描述了 novel MillingVibes 数据集的创建。通过开发一个 8 位量化的卷积神经网络 (CNN) 模型（参数存储量为 12.59kiB），即可在 ARM Cortex M4F 微控制器上实现 100.0% 的测试准确率，推理时间为 15.4ms，每次量化 CNN 推理耗电 1.462mJ，作为面向未来 TinyML 过程监控解决方案的参考。
关键词
引用
@article{arxiv.2508.16553,
title = {TinyML Towards Industry 4.0: Resource-Efficient Process Monitoring of a Milling Machine},
author = {Tim Langer and Matthias Widra and Volkhard Beyer},
journal= {arXiv preprint arXiv:2508.16553},
year = {2025}
}
备注
10 pages, 5 figures, 1 table