基于ARM的家用电器运行状态非侵入式检测装置及方法

摘要

本发明公开了一种基于ARM的家用电器运行状态非侵入式检测方法，包括以下步骤：采集预测电器的消耗功率，然后根据消耗功率对电器运行状态进行标注；将标注过的数据进行归一化处理；搭建LSTM神经网络模型，对LSTM神经网络模型进行训练和优化、测试；搭建嵌入式开发交叉编译环境，进行嵌入式Linux系统的移植；读取用户家庭的用电总功率；量化LSTM神经网络模型，预测家用电器运行状态并将结果显示。本发明对家用电器的运行状态识别具有良好的效果，并且利用了tensorflow lite量化工具降低了在ARM上执行深度学习推理的硬件需求，经过量化后的模型具有更小的二进制可执行文件，可以实现在低成本的情况下实时地对家用电器的运行状态进行监测。