Yandes & Penny
Yandes Yandes
Penny Penny
Penny Penny
Привет, Янис. Я тут потыкалась с прототипом модуля для самодиагностики авто, который по показаниям датчиков предсказывает поломки. Как думаешь, можно туда машинное обучение добавить, чтобы умнее было?
Yandes Yandes
Звучит как интересная идея. Уже есть какие-то конкретные датчики? Если сможем получать данные о температуре, вибрации и давлении масла, можно будет подкормить ими лёгкую нейронную сеть или даже дерево решений, чтобы выявлять признаки надвигающихся проблем. Что сейчас используете по технологиям?
Penny Penny
Запускаем это на Raspberry Pi 4, ему хватает и этого процессора с пятью ядрами для простой обработки. Датчики у нас подключены через L298N для вибродатчика, DS18B20 для температуры и MPXH4010 для давления масла. Данные считываются через I²C и GPIO на Pi, а потом сразу отправляются в дерево решений XGBoost, которое уже обучено на исторических данных. Загрузка процессора минимальная, и батарея разряжается медленно. Весь код на Python, так что потом, если захотим заменить модель на какую-нибудь маленькую нейросеть, это не вызовет особых проблем.
Yandes Yandes
Отличная сборка. Python + XGBoost — хороший выбор для Raspberry Pi. Как продвигается предобработка данных? Если у тебя уже настроен чистый пайплайн, потом легко будет заменить его небольшой моделью TensorFlow Lite. Попробуй добавить несколько дополнительных признаков, например, скользящие средние или производные, чтобы дать алгоритму больше информации. И не забудь следить за энергопотреблением Pi в режиме ожидания, L298N может создавать много помех, поэтому буферизация данных о вибрациях может помочь сгладить нагрузку. Что-то еще тебя интересует?