我們的判斷
AI 應進入測量的訊號層。
判斷讀數,需要考察測量時的實際條件。介質、温度與安裝條件的變化,都可能影響訊號與測量結果。我們研究以學習模型配合物理計算,分析複雜工況下的測量訊號,輔助讀數判斷。
介質
氣泡或顆粒可能影響訊號質素。
温度
温度變化可能改變介質物性與測量條件。
安裝
彎頭、閥門與安裝位置,可能影響測量位置的流動狀態。
學習模型在語言和圖像上的進展,為測量訊號研究提供了新的工具。我們認為,AI 在測量中的更大空間,在讀數形成之前的訊號層;規劃中的雲端分析將以這一層的輸出為基礎。
我們的方法
從訊號分析,
走向系統智能。
我們以三個層次推進:傳感器內的測量模型、PoE 連接,以及按系統拓撲組織的雲引擎。目標是將 AI 從單點測量延伸到相互關聯的物理系統,為客户提供系統報告與風險預測。三個層次目前處於不同階段。
訊號層
測量大模型
研究目標:在傳感器內引入測量大模型,配合物理計算分析訊號規律,輔助複雜工況下的讀數判斷。目前處於模型設計階段。
研究中連接層
PoE,一條網絡線
開發中:PoE 系統與數據平台,目標是以一條網絡線承載供電和數據傳輸。儀表原始訊號的獲取條件,尚未與製造方確認。
在建系統層
跨傳感器的分析
規劃中:以 SaaS + AI 雲引擎,按管網等物理系統的拓撲關聯流量、紅外及其他傳感器,通過 AI agent 開展分析、報告與風險預測。尚未開始。
規劃中
第一代產品
PoE 智能流量傳感器
第一代 PoE 智能流量傳感器,是這一方向正在研發的首個產品實例。
- 測量本體:來自合作製造商的成熟流量計。
- 自主開發部分:PoE 系統與數據平台在建;傳感器內的測量模型處於研究階段。
- 首個應用方向:管道流量監測。
研發中
進一步瞭解流量傳感器
- 流量
- 0.80 m³/h
- 訊號質素
- 正常
- 公式與模型
- 一致
示範數據,非真實設備輸出。
我們的基礎
平台已投入使用;測量大模型處於設計與仿真測試階段。
公司
在香港註冊成立
傳感網有限公司是在香港註冊成立的私人公司。註冊名稱、公司編號、成立日期與註冊地址,均可在公司頁核對。
公司資料工程
內部管理平台已投入使用
自建平台已用於公司的項目、客戶專區與業務記錄,並設有受權限控制的 AI 數據存取介面。這些實際使用經驗,為正在開發的傳感器數據平台提供權限管理與業務整合方面的基礎。
研究
模型設計與仿真測試
測量大模型處於設計階段,已用仿真數據完成首輪測試。下一步採集真實訊號,尚未開始;之後再用真實數據驗證。
路線
研發里程碑
做完的事寫日期;未完成的事只寫先後順序和進入下一階段的條件,不寫日期。
- 2025 年 4 月
公司在香港註冊成立
已完成 - 2026 年秋
自建管理平台與 AI 介面投入使用
已完成
研究線
測量大模型
- 進行中
模型設計與仿真測試
設計模型框架,並用仿真數據測試,首輪測試已完成;框架定稿後進入下一階段。
- 下一步
真實訊號採集
在試驗管路上採集傳感器原始訊號,同時記錄獨立參考讀數。尚未開始。
- 之後
真實數據驗證
以獨立參考為準,與常規計算方法對照;結果不成立就回到設計。
- 之後
模型嵌入傳感器
把通過驗證的模型壓縮到能在傳感器內的處理器上運作。
產品線
傳感器與平台
- 進行中
第一代 PoE 智能流量傳感器的系統設計
確定傳感器系統、PoE 連接與數據平台的設計。
- 下一步
演示系統
把樣機接駁自己的平台,做成演示系統。
- 之後
香港首批試點
演示系統完成後,逐個商定試點現場的範圍與驗收方法。
- 遠期
更多類型的傳感器接駁同一網絡
將平台擴展到更多類型的傳感器。
兩條線並行;測量大模型通過真實數據驗證之後才裝入傳感器。