Ambiq Featured Blog posts
智能泄漏检测系统的未来：边缘AI为何正向传感器端迁移
泄漏检测行业正在不断发展。 多年来，监控系统主要侧重于数据的采集和传输。传感器负责检测湿度、测量环境条件，并在超过预设阈值时触发警报。 该模式有助于提高可见度，但仅靠可见度已不再足够。 客户越来越期望监控系统能够更早地发现问题、减少误报、延长电池寿命，并提供可付诸行动的洞察，而非仅仅提供原始数据。要满足这些期望，边缘设备需要具备更高层次的智能。 因此，新一代用于智能泄漏检测系统的边缘AI正从“感知与报告”向“感知、理解和预测”转变。 为什么更多数据并不是解决之道 现代监控部署会产生海量的信息。 湿度传感器、环境传感器、振动传感器和设备监测仪会持续收集有关运行状况的数据。然而，其中绝大多数测量结果仅仅是证实一切运行正常。 真正的挑战在于识别出那些表明某种变化正在开始的少数信号。 从历史上看，监控系统一直采用一种常见的架构： 感知 → 传输 → 分析 → 响应...
Charlene Wan
Ambiq Latest Blog posts
人工智能如何改善石油天然气行业的维护和安全
截至 2011 年1 ，石油和天然气占世界主要能源的一半以上，到2023 年将产生约 4.3 万亿美元的收入2。虽然全面转向更清洁、更可再生的能源需要一定的时间和努力，但石油和天然气能源可以从人工智能中受益，尤其是在两个关键领域：维护和安全。 一项调查发现，超过 92% 的石油和天然气公司积极投资于人工智能或计划在不久的将来投资于人工智能3。除了维护和安全，人工智能还能简化油气田的各个方面，包括需求预测、勘探、法规遵从和供应链管理。...
洞察故障征兆：边缘 AI 如何实现工业轴承的健康监测
边缘 AI 正在学习如何通过对工业轴承进行振动分析，以更实用、可扩展的方式检测机器故障的预警信号。 工业机械轴承不会瞬间失效，在出现任何可见故障之前，它会通过微小的振动和细微的变化发出信号，这些信号会在数天或数周内逐渐累积。过去，捕捉这些早期预警信号意味着需要派遣一名经验丰富的技术人员携带手持分析仪，手动读取数据并做出判断。 虽然这种方法仍然有效，但它效率低、成本高、周期长，而且无法在整个工厂车间推广使用。 边缘 AI...