近期，智能硬件实验室围绕电池供电型工业IoT终端开展了TinyML边缘部署实验，目标是让设备状态异常识别在端侧完成，减少原始数据上传与云端依赖。实验基于Cortex-M4级MCU（256KB RAM），将浮点模型经INT8量化与通道剪枝压缩后烧录，并测试了间歇采样与事件触发唤醒两种策略下的整机功耗表现。
- 压缩后模型体积由1.8MB降至约320KB，单次推理耗时约45ms，关键召回率较浮点基线下降约1.2个百分点，仍处于可用区间；
- 采用“低功耗采样+边缘初筛”模式后，节点日均无效上传量减少约70%，估算纽扣电池供电场景续航可由3个月延长至8个月以上。
下一步将在真实产线开展为期两个月的稳定性验证，重点评估温漂与电磁干扰对量化模型精度的影响，并沉淀一套面向IoT终端的模型轻量化选型方法。
评论