TinyML 初探:在 MCU 上部署异常检测模型,实现本地振动故障诊断摘要: 工业设备的振动监测是边缘 AI 最典型的应用场景之一——传统方案把振动数据上传云端分析,延迟高、流量贵、隐私差;而本地推理需要在只有几百 KB RAM 的 MCU 上跑模型。本文用一个真实的电机故障诊断项目,从零演示在 MCU 上部署 TinyML 模型的完整流程——数据采集、特征工程、模型训练、量化、转换、部署到 STM32。包含 TensorFlow Lite for Microcontrollers 的实际使用、CMSIS-NN 加速、内存优化和性能实测。这是付费专栏第一季的收尾篇,也是第二