VECTORALAB EDGE
TinyML و امتیاز سلامت
۱D-CNN INT8 — استنتاج در کمتر از ۱۲ میلی‌ثانیه — بدون نیاز به ابر
TinyML
استنتاج TinyML روی دستگاه
یک شبکه عصبی کانولوشنال یک‌بُعدی (1D-CNN) روی بردارهای ویژگی لرزش برچسب‌گذاری شده آموزش دیده، به INT8 کوانتیزه شده و از طریق X-CUBE-AI مستقر می‌شود. استنتاج کاملاً روی STM32H750 اجرا می‌شود.
[²] مدل INT8 با استفاده از TensorFlow Lite for Microcontrollers و X-CUBE-AI تولید می‌شود. افت دقت نسبت به baseline float32 کمتر از ۱.۵٪ است.
Health Score
Health Score — ۰ تا ۱۰۰
مدل TinyML یک Health Score پیوسته (۰–۱۰۰) تولید می‌کند که وضعیت تخمینی ماشین تحت پایش را نشان می‌دهد. سه ناحیه راهنمای نگهداری قابل اقدام بدون نیاز به تخصص فنی اپراتورها ارائه می‌دهد.
[³] آستانه‌های Health Score از طریق رابط دستور UART قابل تنظیم هستند. آستانه‌های پیش‌فرض (۸۰ / ۵۰) از آزمایش تجربی روی مجموعه داده‌های یاتاقان معیار به دست آمده‌اند.
Communication
Heartbeat Burst — ارتباط با میزبان
پس از هر چرخه استنتاج، STM32H750 یک پکت داده فشرده به پلتفرم میزبان ارسال می‌کند که شامل Health Score، بردار ویژگی خام و یک بایت وضعیت است.
Edge Intelligence
تصمیم‌گیری محلی — بدون نیاز به ابر
هر تصمیم استنتاج روی دستگاه گرفته می‌شود. STM32H750 در محیط‌های air-gap، استقرارهای آفلاین و شبکه‌های صنعتی کم‌پهنا‌باند قابلیت پایش کامل دارد.