Sensor Fusion + AI Inference на ASI Biont: Как подключить Edge AI-устройство и управлять им через чат

Введение

Представьте: на вашем заводе или в лаборатории стоит устройство, которое собирает данные с десятка датчиков — температуры, вибрации, давления, тока, ультразвука — и прямо на борту выполняет инференс нейросети. Это классический сценарий Sensor fusion + AI inference на Edge. Такие устройства (например, Jetson Nano, Raspberry Pi с AI-ускорителем или промышленные контроллеры с ONNX Runtime) позволяют принимать решения без задержки на отправку в облако. Но как оперативно настраивать логику обработки, менять пороги срабатывания или запускать новые модели — без перепрошивки и без написания кода вручную?

Здесь на помощь приходит AI-агент ASI Biont. Он подключается к вашему Edge-устройству через SSH, COM-порт или MQTT, анализирует поток сенсоров, предсказывает отказы и управляет исполнительными механизмами — и всё это через обычный диалог в чате. Никаких панелей управления, никаких кнопок "добавить устройство". Просто описали задачу — получили готовую интеграцию за секунды.

Как ASI Biont подключается к Sensor Fusion-устройству

ASI Biont не требует установки агентов на целевое устройство. Он использует универсальные протоколы, которые поддерживает любое современное Edge-оборудование:

Пользователь просто пишет в чате ASI Biont: "Подключись к моей Raspberry Pi по SSH, IP 192.168.1.100, логин pi, пароль *, прочитай данные с датчика BME280 на I2C-1 и каждые 10 секунд публикуй температуру в MQTT топик sensor/temp". AI-агент сам генерирует и выполняет Python-код с использованием библиотек smbus2, paho-mqtt и paramiko — и интеграция готова.

Реальный сценарий: предиктивная аналитика вибрации на Jetson Nano

Проблема

На производственном участке насосный агрегат оснащён акселерометром (ADXL345) и датчиком температуры (DS18B20), подключёнными к Jetson Nano. На борту работает модель ONNX для классификации состояния подшипников. Нужно:
- непрерывно собирать сырые данные сенсоров;
- запускать инференс каждые 2 секунды;
- при обнаружении аномалии отправлять alert в Telegram и увеличивать частоту опроса до 5 раз в секунду;
- логировать все события в локальную базу SQLite.

Решение с ASI Biont

Инженер даёт команду в чате: "Подключись по SSH к 192.168.1.50, логин jetson, ключ ~/.ssh/id_rsa. Создай скрипт sensor_fusion.py, который читает ADXL345 через I2C, DS18B20 через 1-Wire, запускает ONNX-модель из /home/jetson/model.onnx, при аномалии отправляет HTTP POST на мой Telegram-бот, логирует в SQLite базу /data/logs.db. Выполни скрипт в фоне."

ASI Biont генерирует следующий код (выполняется в sandbox, отправляется на устройство через SSH):

import time
import sqlite3
import requests
import board
import busio
import adafruit_adxl34x
import numpy as np
import onnxruntime as ort

# Инициализация датчиков
i2c = busio.I2C(board.SCL, board.SDA)
accelerometer = adafruit_adxl34x.ADXL345(i2c)

# Загрузка модели ONNX
sess = ort.InferenceSession("/home/jetson/model.onnx")
input_name = sess.get_inputs()[0].name

# База данных
conn = sqlite3.connect("/data/logs.db")
c = conn.cursor()
c.execute('''CREATE TABLE IF NOT EXISTS logs (timestamp REAL, x REAL, y REAL, z REAL, temp REAL, prediction INTEGER)''')
conn.commit()

def send_alert(msg):
    requests.post(f"https://api.telegram.org/bot{TELEGRAM_TOKEN}/sendMessage", json={"chat_id": CHAT_ID, "text": msg})

while True:
    x, y, z = accelerometer.acceleration
    # Чтение DS18B20 (упрощённо)
    temp = 25.0  # реальный код с 1-Wire
    features = np.array([[x, y, z, temp]], dtype=np.float32)
    pred = sess.run(None, {input_name: features})[0][0]

    c.execute("INSERT INTO logs VALUES (?,?,?,?,?,?)", (time.time(), x, y, z, temp, int(pred)))
    conn.commit()

    if pred == 1:  # аномалия
        send_alert(f"Аномалия! X={x:.2f}, Y={y:.2f}, Z={z:.2f}, T={temp:.1f}")
        time.sleep(0.2)  # учащённый опрос
    else:
        time.sleep(2)

AI-агент запускает скрипт на устройстве через nohup python3 sensor_fusion.py &, проверяет, что процесс активен, и сообщает пользователю: "Скрипт запущен. Логи пишутся в /data/logs.db. При аномалиях приходит уведомление в Telegram."

Почему это выгодно

• Скорость: интеграция, которая раньше занимала часы или дни, теперь делается за минуты через диалог.
• Гибкость: можно менять логику на лету — просто попросите AI добавить новое условие или подключить другой датчик.
• Безопасность: код выполняется в sandbox-окружении на сервере ASI Biont, а на устройство уходят только готовые скрипты через защищённые протоколы.
• Никакого vendor lock-in: ASI Biont подключается к любому оборудованию — не нужно ждать, пока разработчики добавят поддержку очередного протокола.

Как начать

1. Зайдите на asibiont.com и создайте аккаунт.
2. В дашборде сгенерируйте API-ключ и скачайте bridge.py (если используете COM-порт).
3. В чате опишите ваше устройство и задачу — AI сам подберёт протокол, напишет код и выполнит интеграцию.

Попробуйте прямо сейчас — подключите свой первый датчик к AI-агенту и увидите, как легко автоматизировать Edge AI.