低功耗IoT终端边缘AI推理轻量化部署实验

智能硬件实验室近期围绕资源受限的工业IoT终端，开展了边缘侧AI推理的轻量化部署实验，目标是让异常检测模型直接运行在电池供电的传感节点上，降低数据回传带宽与云端依赖。实验选取水泵与配电柜两类场景的振动、电流时序数据，以一维卷积网络为基线模型，采用INT8量化结合通道剪枝进行压缩，并在Cortex-M4级MCU上完成部署验证。阶段性结果如下：
· 模型体积由1.8MB压缩至约210KB，单次推理耗时由云端约120ms降至端侧9ms以内，节点整体功耗增幅控制在8%左右；
· 在包含不平衡、松动等典型异常的测试集上，端侧模型F1值0.91，与云端原始模型差距约2个百分点，误报率处于现场可用水平。下一步计划在两个试点泵站开展为期两个月的现网验证，重点评估电池寿命与温度漂移对推理稳定性的影响，并完善OTA模型更新链路，完整评测数据整理后将另行发布。