37、机器学习在工业故障检测与医疗影像诊断中的应用

机器学习在工业故障检测与医疗影像诊断中的应用

1. 工业故障检测：利用机器学习技术检测故障过程

1.1 实施细节

在工业制造中，利用机器学习技术检测故障过程是提高生产效率和降低成本的重要手段。本次研究使用 Python 编程语言和 Python 解释器版本 3.9 进行所有开发和实验工作。实现的机器学习模型包括支持向量机（SVM）、K 近邻（KNN）、决策树、贝叶斯、集成模型（如随机森林、梯度提升、Extra Trees 和 Bagging）等，这些模型的实现都包含在 scikit - learn 库的 1.0.2 版本中。此外，还使用了 Numpy、Pandas、Matplotlib、Plotly 和 Seaborn 等重要库。所有实验都在配备 Intel Core i7 处理器（时钟速度 2.80 GHz）和 16 GB RAM 的个人计算机上进行。

1.2 数据集描述

收集的数据集包含 676 个样本，其中 624 个是正常钻孔过程，52 个是故障过程。所有数据于 2022 年 7 月 13 日从 GENIOR MODULAR 监控系统版本 58.10.8.0（Alpha）使用安装在钻孔机上的传感器收集。钻孔过程使用 1 毫米的正常钻孔工具和铝制部件或块进行。数据集包含 6 个信号，具体如下：
| 信号 | 描述 | 单位 |
| ---- | ---- | ---- |
| S1 | 无额外滤波器的数字扭矩适配器信号 | 牛顿 - 米 |
| S2 | 来自 Z 轴的无额外滤波器的数字扭矩适配器信号 | 牛顿 - 米 |
| S3 | 电力或原始功率 | - |
| S4 | 来自 Z