漂移检测（边缘AI推理）
Drift Detection — Edge AI Inference
识别读数的缓慢单向变化，区分真实趋势与传感器老化/污染漂移。
01
定义
识别读数的缓慢单向变化，区分真实趋势与传感器老化/污染漂移。
02
公式与计算
对去季节项后的残差做线性回归斜率检验：
|x| = a + b·t，检验 b 的显著性（t 检验）与幅度
03
适用时机
长期布放的电化学气体、pH、浊度、DO 等易漂移传感器。 部署到边缘 AI 推理盒（NPU/GPU 加速）时，需做模型量化（INT8）与算子裁剪，阈值与窗长按现场数据标定后固化。
04
关键参数
回归窗口长度、显著性水平、允许的漂移速率（%/月）；边缘 AI 版本注意量化误差、推理时延与模型版本管理，异常需支持远程回滚。
05
注意事项
失效与边界漂移只能通过定期标定/比对识别，纯数据方法只能给出"可疑"提示。 边缘 AI 实现需在目标算力上做推理时延与精度权衡测试，并保留原始数据上传通道供云端复核。
CLOSE
把 漂移检测（边缘AI推理） 用起来
下一步
实际项目如何应用？
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
相关 SIYB 产品
正式参数、方案与商务资料以 xmsiyb.com 官网为准。
需要把技术判断落到项目？
进入行业应用与智能选型中心，获取场景设计、选型与实施参考。