Anomaliatunnistuksen visualisointi - Tekninen Dokumentaatio

Johdanto

Servon liikeradan anomaliatunnistuksen visualisointi on Azure Functions -pohjainen järjestelmä, joka tallentaa Azure EdgeAI:lta tulevaa raakadataa ja koneoppimismallilla analysoitua anomaliadataa ja tallentaa ne Azure Blob Storageen. API kutsulla saadaan visualisoitua kerätty raakadata keskiarvoistettuna ja viimeisimmän servon liikeradan anomaliatunnistuksen tulos.

Arkkitehtuuri

Järjestelmä rakentuu seuraavista pääkomponenteista:

1. Azure Functions

• iot_telemetry_handler: Vastaanottaa dataa IoT Hubista Event Trigger -toiminnolla
• visualize_telemetry: Tarjoaa web-päätepisteen datan visualisointiin

2. Data Storage

• Azure Blob Storage: Datan pysyväistallennus
• Serialreader-kansio: Raakadata sensorilta koneoppimismallin uudelleen koulutusta varten
• Cleandata-kansio: Edge AI laitteella tehty anomaliatunnistuksen tuloksen tallennus

Datan Käsittelyprosessi

1. Raakadata tallennetaan serialreader-kansioon
2. Käsitelty data tallennetaan cleandata-kansioon
3. Data on saatavilla visualisointia varten

API-rajapinnat

GET /api/visualize

Palauttaa HTML-sivun, joka sisältää raakadatan keskiarvoistuksen, sekä anomaliatunnistuksen visualisoinnin.

• Metodi: GET
• Autentikointi: Function
• Vastaus: HTML-sivu interaktiivisilla graafeilla

Visualisointi

Järjestelmä tarjoaa web-pohjaisen visualisointikäyttöliittymän, joka sisältää:

• Yhdistetty graafi: X, Y ja Z akselien keskiarvoistettu data yhdessä kuvaajassa
• Ei anomaliaa: Normaali tila visualisointinäkymässä
• Anomalia löydetty: Poikkeama havaittu visualisointinäkymässä

Kuvat

Klikkaa isommaksi

Yhdistetty graafi
X, Y ja Z akselien keskiarvoistettu data yhdessä kuvaajassa

Anomalia löydetty
Punainen status indikoi poikkeamaa normaalista toiminnasta
"Order new servo" -kohdasta päästään tilaamaan uusi servo

Ei anomaliaa
Vihreä status indikoi normaalia toimintaa

Video demosta

Tulevat Kehitysideat

• Monimutkaisempien anomalioiden tunnistus
• Useiden laitteiden tuki