使用ToF传感器在Arduino上进行手势分类

利用人工智能检测和诊断线性执行器故障

预测第二天的最高气温，以便更好地应对可能发生的灾害。

使用智能手机识别人类活动。

检测和分类电力系统中的电气异常。

利用人工智能推断扭矩和转子温度值，提高电机性能。

利用人工智能判断电网是否稳定。

用于预测性维护的电机故障检测和分类。

创建一个人工智能模型，预测加工食品的质量，而不是对其进行测量。

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。

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。

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。

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。

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。

轨道预测性维护。

通过分析乐器产生的振动来检测弹出的和弦

漏水检测解决方案。

无需摄像头即可在低功耗MCU上实现功能。

高科技工业工具的预测性维护。