Predict the next day’s maximum temperature to better prepare for potential disasters.

Using AI to detect and diagnose faults in linear actuators

Detect and classify electrical anomalies in a power system.

Using a smartphone to recognize human activities.

Using AI to extrapolate torque and rotor temperature values to improve motor performance.

Using AI to determine if an electrical grid is stable.

Using AI to make your home appliances “smarter” and more energy efficient for a sustainable future.

Detection and classification of motor faults for predictive maintenance.

Create an AI model that predicts the quality of processed food instead of measuring it.

在超低功耗MCU上进行手写识别。

基于意法半导体多区飞行时间测距传感器，在STM32F401上运行手势识别。

高性能MCU上的图像分类。 来自STM32 Model Zoo的MobileNet 0.25模型。

高性能MCU上的图像分类。 来自STM32 Model Zoo的MobileNetV2 alpha 0.35模型。

采用BLE连接的智能传感器节点可简化配置，并在检测出故障时通过移动应用及时通知用户。

通过边缘学习对产生振动的机器进行异常行为检测。

通过AI技术进行材料分辨，实现地面类型检测（包括柔软和坚硬的材料）的先进解决方案。

为水表配备后装无线及低功耗读取器。

通过边缘学习对产生振动的机器进行异常行为检测。

采用MPU以8 FPS优化计算机视觉。

面向工业设备的预测性维护。

使用加速度计对球网振动进行分类。

基于高频模拟麦克风进行神经网络分类。

自动门电机预测性维护

通过电流检测识别电机的异常行为。

通过室内热敏传感器以创新方式统计人员流量。

在PC上使用飞行时间传感器触发动作，完成手部运动分类。 识别三类动作。

利用简单的麦克风识别不同环境（室内、室外、车内）。

优化船舶维护系统。

使用高性能MPU实现人脸识别。

面向工业设备的预测性维护。

根据电机故障类型进行数据分类。

在高性能MCU上进行人员检测与统计。

使用飞行时间传感器统计通过门的人数。

面向工业炉的预测性维护。

使用3D加速度计轻松识别5种不同的活动。

利用振动分析检测变速箱异常行为。

高性能MCU上的人体检测。

高性能MCU上的图像分类。

高性能MCU上的图像分类。

轨道预测性维护。