# bearing

**Repository Path**: yuranWang/bearing

## Basic Information

- **Project Name**: bearing
- **Description**: 个人对于轴承故障检测算法和部署的一些尝试
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 0
- **Created**: 2024-06-12
- **Last Updated**: 2024-10-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 轴承故障检测, mobilenetV3, onnx

## README

# bearing

#### 介绍
个人对于轴承故障检测算法和部署的研究

#### 测试
考虑到本地使用的传感器是0.222秒采集一次数据，因此将大量公开的数据每0.222秒的数据进行小波变换后作为一张图，利用不同网络进行分类训练；
数据转换和整理代码均保留在上传的项目中；
测试平台：13th Gen Intel(R) Core(TM) i7-13620H   2.40 GHz；Windows 11 专业版	
推理时间均为转换为onnx之后测试

|       网络	    |    训练集准确率	|    测试集准确率    |  推理时间  |
|-------------------|------------------|-------------------|-----------|
|  MobileNetV3Small |      99.84%      |      99.30%       |  0.0018s  |
|     ResNet-18	    |      99.74%	   |      98.53%	   |  0.0058s  |
|  EfficientNet-B0  |      99.46%	   |      99.30%       |  0.0049s  |

推理平台不变，使用pth权重文件进行量化和推理，准确率为所有数据同步测量得到
本项目中，EfficientNet的泛化能力真的很强

|       量化精度         |   准确率  |   推理时间    |   权重文件大小    |
|-----------------------|-----------|--------------|------------------|
|       float32(default)| 99.65391% |   0.0182s    |     6.57MB       |
|       float16         | 99.65391% |   0.0185s    |     6.57MB       |
|       qint8           | 99.64750% |   0.0183s    |     4.44MB       |
量化后推理速度略有下降，可能与处理器结构相关
对比两组数据，明显发现onnx推理更快

#### 最后更新时间
2024-07-09