为每位用户简化机器学习技术部署：传感器与软件的协同应用

▶相关报道：
机器学习解决方案促进边缘人工智能前景大幅扩展

自动分拣机器人如何准确区分容器

韩国斗山机器人公司（Doosan Robotics）和TDK SensEI公司合作开发了一款人工智能机器人，能够准确识别各种容器，比如瓶子，罐头和纸杯等，并对其进行分类。这款机器人的发明获得了2024年美国拉斯维加斯消费电子展（CES）人工智能类别的创新奖。该机器人使用嵌入其软件的边缘人工智能来识别不同容器。通过实时处理电流和扭矩传感器数据，该机器人可以识别物体，实现准确判定。经过训练的边缘人工智能模型利用这些功能，以确保对每个容器进行正确分类。

机器学习技术潜力不断扩大

机器学习技术通过海量数据，训练计算机对各种模式进行识别。该技术现已广泛应用于医疗保健、生产制造和金融服务等领域。生成式人工智能这一热门话题也是基于机器学习技术。随着物联网（IoT）的不断发展，机器学习已成为利用传感器收集数据的重要工具。

机器学习主要分为三种方法：
●强化学习：系统通过吸收大量数据习得最佳行为，并通过反复试验不断优化自身的过程。
●监督学习：一种导入数据以及正确示例对新数据进行预测的技术。
●无监督学习：一种自动发现未标记数据中的模式和结构的方法。

选择何种方法取决于数据性质和预期结果。而机器学习需要先进且复杂的软件来分析大型数据集中存在的模式，这让机器学习技术的实施变得耗时又昂贵。

机器学习的分类

使机器学习技术实施变得轻而易举的软件

TDK SensEI公司的AutoML是一个软件平台，旨在为所有用户简化机器学习系统的复杂实施步骤。用户可通过其直观的网页界面，完成数据收集、预处理和训练等步骤，轻松构建机器学习模型。配合TDK的不同传感器产品，将运动传感器与机器学习相结合，AutoML可为状态基准监测（CbM）提供强大解决方案。帮助用户检测工业机械中的异常状况，预防严重故障的发生。（相关文章）

在典型的AutoML状态基准监测（CbM）系统中，运动传感器会持续跟踪电机和其他机械部件的运行状况。同时，AutoML会实时处理传感器收集的数据。当检测到运行模式出现异常时，AutoML会标记这些异常，从而对潜在故障进行早期预测，实现更准确的维护计划，防患于未然。相比于在严重故障发生后才解决问题的传统维护方法，使用该解决方案可显著延长机器正常运行时间。

边缘人工智能电机监测演示

▶相关报道：
在故障发生前预测异常：超紧凑型传感器模块重新定义设备维护现状

随着高级数据利用潜力不断增长，该技术有望应用于各行各业，包括制造业、交通基础设施、建筑维护、医疗保健、能源、农业、物流，汽车、零售和智能城市。其应用将提高行业效率，增强预测能力，推动创新发展，从而改变众多行业的运行状态。

边缘人工智能的扩展应用

TDK SensEI公司的创立及其软件解决方案

2024年7月，TDK成立了TDK SensEI。这是一家准备在边缘人工智能和传感器融合领域提供创新解决方案的新公司。其名称来源于“Sensor Edge Intelligence（传感器边缘智能）”，反映了其致力于开发优化机械运行和生产制造流程工业4.0解决方案的公司宗旨。

通过集成TDK各系列产品解决方案（包括传感器、电池和被动元件）与软件解决方案的平台，TDK SensEI力求为制造业、重工业和可再生能源市场带来突破性解决方案。通过这家新的合资公司，TDK将提高机器学习技术的可及性和使用便利性，加速工业的数字化转型（DX）。

在未来几年，TDK SensEI的创新解决方案有望帮助众多公司实现更加有效和可持续的生产制造流程，推动工业4.0时代。