Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich werde TinyML-Firmware für Sensoranomalieerkennung und Bewegungsklassifikation entwickeln
Edge AI TinyML Firmware für ESP32 Smart Sensors und eingebettete Produkte
Ich entwickle eingebettete Firmware für intelligente Geräte, die Sensordaten lokal verarbeiten und in Echtzeit reagieren. Mein Fokus liegt auf ESP32 S3 Edge AI, TinyML-Deployment, Kamera- und Mikrofon...
Über diesen Service
Ich entwickle embedded Machine-Learning-Lösungen für Sensoranomalieerkennung, Bewegungsklassifikation, Vibrationsüberwachung und Prototypen für prädiktive Wartung.
Zu meinen Dienstleistungen gehören Sensor-Datenerfassung, Vorverarbeitung, Filterung, Fensterung, Merkmalsextraktion, Modellintegration und In-Device-Inferenz. Ich kann helfen, leichte ML-Modelle auf unterstützte Mikrocontroller wie ESP32 und STM32 zu deployen, unter Verwendung geeigneter Tools und Frameworks wie Edge Impulse oder TensorFlow Lite for Microcontrollers.
Anwendungen umfassen die Erkennung abnormaler Vibrationen, Motorzustandsüberwachung, Beschleuniger- und Gyroskopklassifikation, Gestenerkennung, Geräteüberwachung und intelligente IoT-Sensoren.
Der Fokus liegt auf praktischer Edge AI: lokale Inferenz unter Berücksichtigung von Speicher-, Verarbeitungs- und Energieeinschränkungen. Je nach Projekt können die Deliverables dokumentierten Firmware-Quellcode, Modellintegration, Build-Anleitungen, Testergebnisse und Ressourcen-Benchmarks umfassen.
Hast du bereits ein trainiertes Modell? Ich kann bei der Integration in deine Firmware helfen. Beginnt dein Projekt mit Sensordaten? Ich kann die Daten bewerten und eine passende Vorverarbeitungs- und Deployment-Strategie empfehlen.
FAQ
Automatische Übersetzung
Kannst du TinyML-Firmware für ESP32 oder STM32 entwickeln?
Ja. Ich kann geeignete TinyML-Modelle mit unterstützten ESP32- oder STM32-Zielen integrieren, inklusive Sensorerfassung, Inferenzlogik und Build-Konfiguration. Die Kompatibilität hängt vom jeweiligen Chip, Framework und den Modellanforderungen ab.
Kannst du Sensoranomalieerkennung implementieren?
Ja. Ich kann bei der Implementierung von Anomalieerkennung für Vibrations-, Bewegungs- und andere Zeitreihensensoren helfen. Die Methode hängt vom verfügbaren Datensatz, den erwarteten abnormalen Bedingungen und der Zielhardware ab.
Kannst du Bewegungsklassifikation mit Beschleuniger und Gyroskop bauen?
Ja. Ich kann Firmware für Gestenerkennung, Bewegungsklassifikation und IMU-basierte Aktivitätserkennung entwickeln, inklusive Signalvorverarbeitung und Integration eines geeigneten Klassifikationsmodells.
Unterstützt du prädiktive Wartung und Vibrationsüberwachung?
Ja. Ich kann sensorbasierte Prototypen für die Erkennung abnormaler Vibrationen, Maschinenzustandsüberwachung und prädiktive Wartungsversuche entwickeln. Zuverlässige Fehlererkennung erfordert repräsentative Betriebsdaten und Validierung.
Kannst du ein maßgeschneidertes Machine-Learning-Modell trainieren?
Potenziell, abhängig vom Projektumfang und den Daten. Bitte sende Beispiel-Sensordaten, Labels falls vorhanden, die erwartete Ausgabe und das Zielgerät, damit ich beurteilen kann, ob ein maßgeschneidertes Training sinnvoll ist.
. Kannst du ein bestehendes Modell mit Edge Impulse oder TensorFlow Lite Micro deployen?
Ja, vorausgesetzt, das Modell, die Operatoren, das Toolchain und die Zielhardware sind kompatibel. Ich kann bei der Integration der Inferenzbibliothek helfen und sie mit der Sensorverarbeitungs-Pipeline verbinden.
Läuft das Modell offline auf dem Mikrocontroller?
Lokale Inferenz ist möglich, wenn das Modell und die erforderlichen Operationen in den verfügbaren Ressourcen des Geräts passen. Eine Cloud-Verbindung ist für die Inferenz auf dem Gerät nicht zwingend erforderlich.
Stellst du Quellcode und Leistungsdaten des Modells bereit?
Die Deliverables hängen vom Paket ab. Sie können Firmware-Quellcode, Build-Anleitungen, Integrationsnotizen sowie gemessene Inferenz-Latenz oder Speicherverbrauch umfassen, wenn das Ziel und die Testumgebung vorhanden sind.
