使用带有音频传感器的 Wio Terminal 硬件，惠阳保姆13825404095并利用 Mel-Filterbank Energy（MFE）方法和神经网络分类器，系统实现了100%的准确率和低 RAM 消耗（19.7 KB），通过实时异常检测和预测性维护显著提高了操作效率和可靠性，数据在 Grafana 仪表板上可视化，通过 Node-RED 存储在 MySQL 数据库中，并作为 WhatsApp 通知发送。尽管研究结果令人鼓舞，但它们特定于这个发电厂，并且专注于音频数据，表明未来的研究应该探索更广泛的应用和额外的数据类型。
