Vibration / Audio

pdm_edge

加速度・音響を用いた異常検知エッジ AI

計算量の大きい解析を用いずに、異常の兆候をどこまで検出できるかを検討した研究です。波形から周波数特徴を生成し、固定長の特徴量として軽量な実装で扱えるようにしました。

2026Vibration / Audio

SPRESENSEFFTRandom ForestMPU6050MAX4466Predictive Maintenance

背景

通信を前提とした大規模な解析系は用いず、設備の近傍で異常の兆候を検出できる最小構成を目指しました。現場に設置できる軽量さと再現性を優先しています。

1 kHz の時系列を FFT で周波数特徴へ変換し、0 から 500 Hz を固定 bin に要約して Random Forest へ渡します。学習後のモデルはヘッダファイルに変換し、SPRESENSE に組み込めるようにしています。

学習、評価、ヘッダの再生成、SPRESENSE 側からの呼び出しまで動作しています。異常の見逃しを減らすため、再現率を優先した構成です。

Highlights

4 チャンネルを同時に処理し、設備の状態変化を複数の信号から捉えます。

特徴量を固定長にして、組み込み環境へ移植しやすくしました。

2024 年の LoRa 振動解析から継続しているテーマです。

狭小なインフラ空間の点検を想定した研究です。SPRESENSE 上で、撮像、画質ゲート、分類、証跡の保存、監督制御までを実行します。ぼけた画像や白飛びした画像を、分類へ渡す前に画質ゲートで検出することを重視しました。

画像のアップロード、異常検知、判定の説明、イベントの保存、ダッシュボード表示を 1 つの API として実装しました。検知後の運用までを対象としています。

SPRESENSE と ELTRES で CO2 濃度と位置情報を交互に送信し、都市部と郊外の濃度差を地図上に可視化しました。