Prediciendo cuándo falla un ventilador escuchándolo. Deja un comentario

La clasificación de audio incrustado es una herramienta muy poderosa cuando se trata de mantenimiento predictivo, ya que se puede distinguir una amplia variedad de sonidos como normales o perjudiciales varias veces por segundo de manera automática y confiable. Para demostrar cómo se podría incorporar este reconocimiento de patrones en un entorno comercial, Kevin Richmond creó el proyecto Listen Up, que tiene como objetivo mostrar el estado actual de un ventilador en funcionamiento basado únicamente en su perfil de ruido.

Richmond comenzó recolectando 15 minutos de datos para cada etiqueta, es decir, ruido de fondo, operación normal, fallas leves y fallas graves. Una vez recopilados, los datos se dividieron en muestras de dos segundos y se subieron al Studio Edge Impulse, después de lo cual se configuró un impulso para usar un bloque de procesamiento de audio MFE y un modelo de clasificación Keras. Una vez capacitado en el conjunto de datos, el modelo logró una precisión de casi el 96% utilizando datos de prueba del mundo real.

Para utilizar el clasificador, Richmond implementó su proyecto de Edge Impulse como una biblioteca de Arduino para usar en un esquema de Arduino Portenta H7. En él, un micrófono acompañante de Portenta Vision Shield recopila continuamente nuevos datos de audio antes de pasarlo al modelo de clasificación para recibir un resultado. La probabilidad de cada etiqueta se utiliza luego para establecer un color de LED correspondiente si la probabilidad es mayor al 80%, de lo contrario se muestra el color azul para indicar una lectura fallida.

Para ver el proyecto en acción, puedes ver el video de Richmond a continuación o leer su descripción en Hackster.io.