01
着眼点
通信前提の大きな解析系ではなく、設備のすぐ近くで異常兆候を拾える最小構成を作ることを目的にしています。現場に置ける軽量さと再現性を優先しています。
Signal and Spectrum
pdm_edge
加速度・音響を用いた異常検知エッジAI
予兆保全を現場寄りに考えるために、重い解析を避けつつ異常兆候の差をどこまで拾えるかを探った研究です。波形から周波数特徴を作り、固定長の特徴として軽量実装へ寄せています。
Turn vibration into a readable edge.
2026Signal and Spectrum
SPRESENSEFFTRandom ForestMPU6050MAX4466Predictive Maintenance
02
構成
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。学習後はヘッダ化して SPRESENSE へ持ち込めるようにしています。
03
現在地
学習、評価、ヘッダ再生成、SPRESENSE 側呼び出しまでが揃っており、異常再現率を重視した軽量構成としてまとまっています。
Highlights
ポイント
4 チャンネル同時処理で設備状態の変化を多面的に取得
固定長特徴で組み込み移植をしやすくした構成
LoRa と振動解析の流れにつながる基礎研究として位置づくテーマ
Other Projects