本文分享沒有AI背景的工程師，在使用NanoEdge AI Studio快速訓練風扇異常偵測的模型的方法。

此模型是依馬達控制板的電流訊號，偵測風扇濾網的堵塞百分比。當風扇堵塞時，馬達的電流訊號波型與一般情況不同，但傳統演算法很難偵測到差異。因此，機器學習演算法便成為解決此問題的絕佳選擇。在訓練模型時，通常會使用scikit-learn函式庫，因此，本文將闡述自行訓練機器學習模型及使用 STM32Cube.AI 部署到相同裝置上的方式，以便使用者比較兩者之間的差異。

圖一

NanoEdge AI Studio為端對端工具，可預先處理部分資料，再進行訓練與媒合演算法；而STM32Cube.AI則會需要工程師具備完整的AI模型開發經驗。
...
...