تشخیص ایراد فن خنک کننده | Arduino Mega
خوب من قبلا توی اینترنت چندتا ویدیو دیده بودم که با هوش مصنوعی میتونن ضربه – درگیری پره ها – روشن یا خاموش بودن – ناصاف بودن فن رو تشخیص بدن روی میکرو
حالا چرا این کارو روی میکرو انجام میدن و فلسفه رایانش لبه چیه بماند برای بعد…!
من اول برای اینکه مطمئن بشم شبکه عصبی که میسازم درست کار میکنه مسیر ساده رو انتخاب کردم و با آردوینو شروع کردم
از Arduino Mega استفاده کردم
بهش میکروفون وصل کردم و یک دیتاست کوچولو از ایرادات درست کردم
برای هر مورد ده ثانیه داده ها رو ذخیره کردم
خاموش بودن
روشن بودن
ضربه
درگیری پره
ناهمواری
گرفتگی ورودی هوا
من از ی فن خنک کننده معمولی استفاده کردم که خیلی خیلی بی صدا بود و خیلی فرقی بین روشن و خاموش بودنش نبود – ناهمواری هم مشخص نبود
در واقع من داده ها رو روی نمودار بررسی کردم اول ببینم فرقشون چیه که اون نتیجه گیریا رو کردم
برای همین فقط موارد ضربه و درگیری پره و گرفتگی ورودی هوا رو نگه داشتم
قدم بعدی این بود که با پایتون شبکه عصبیمو بسازم
اهل فن میدونن با کراس خیلی راحت میشه شبکه ساخت
Keras + Tensorflow
ی سرچ زدم ببینم برای پیش بینی زمان محور چی هست
keras time series prediction
رسیدم به یک مقاله باحال با کلی کد آماده
https://keras.io/examples/timeseries/timeseries_weather_forecasting/
برای ساختن مدل هوش مصنوعی باید داده ها رو به سه قسمت تقسیم کرد
یکی برای training
یکی برای validation
یکی برای test
نسبتش هم معموله هشتاد به بیسته یعنی هشتاد تا ترینینگ و بیست تا تست
بعد بین خود ترینینگ و ولیدیشن هم مجدد هشتاد بیست
طی مراحلی شبکه عصبی تمرین داده میشه و در هر مرحله دقت سنجیده میشه
بعد از تمرین تست گرفته میشه روی داده های جدید که ببینیم چقدر روی داده های جدید دقت داره
در واقع موقع تمرین دادن باید حواسمون به دو تا مساله باشه
Over Fitting and Under Fitting
باز بحث تخصصیه گذر میکنم
تست کردم دقت مدل من روی داده های تست – حدود نود درصد بود
گفتم خوب حالا موقعشه که تست واقعی بگیرم
از روی آردوینو با سریال داده های میکروفون رو فرستادم برای برنام پایتونم و بله – تشخیصا اکثرا درست بود
https://www.instagram.com/p/CUKzbAsLz1W/