AI-on-the-edge-device项目中的负值率检测阈值优化方案

在AI-on-the-edge-device项目中，负值率检测功能一直存在一个精度问题：即使是最微小的负值变化也会触发"neg. rate"错误。这个问题在项目社区中被多次讨论，特别是在处理水表读数时尤为明显。

问题背景

项目中的负值率检测机制原本设计为对任何负值变化都零容忍。在实际应用中，这导致了许多误报情况，特别是当读数出现极其微小的负向波动时（例如0.00002000000006319169）。这种波动通常远小于实际水表最小指针的精度（例如0.0001），属于正常的测量误差范围。

技术分析

经过深入分析，开发团队发现这个问题源于两个主要因素：

1. 浮点数精度问题：在C++实现中，使用浮点数计算0.00002（2/pow(10,5)）时会产生微小的舍入误差，导致实际阈值与预期不符。

2. 缺乏容错机制：原始代码没有考虑实际测量中的正常波动范围，特别是对于模拟指针的读数。

解决方案演进

开发团队提出了几种可能的解决方案：

1. 固定阈值方案：设置一个固定的容错值（如0.00002）

2. 可配置阈值：通过用户界面让用户自行设置阈值

3. 基于小数位数的动态阈值：根据读数的小数位数自动计算阈值

4. 基于ROI类型的动态阈值：根据数字/模拟指针类型采用不同阈值

经过讨论，团队最终选择了第二种方案（可配置阈值），因为它提供了最大的灵活性，能够适应各种不同类型的计量表。

实现细节

在最终实现中，开发团队：

1. 新增了"neg. rate threshold"配置参数
2. 默认值设置为0.0002，适用于大多数4位模拟指针的水表
3. 在文档中建议用户根据最小ROI的小数位数设置阈值（如0.000x对应0.0002）
4. 优化了浮点数比较逻辑，避免舍入误差带来的问题

实际效果

根据测试数据，在应用这一优化后：

1. 负值率错误数量显著减少
2. 系统对正常测量波动的容忍度提高
3. 用户可以根据实际设备特性调整阈值
4. 保持了系统对真实负值变化的检测能力

技术建议

对于项目使用者，建议：

1. 对于4位模拟指针的水表，可从默认值0.0002开始测试
2. 观察系统日志中的实际波动范围，据此调整阈值
3. 数字式读数通常需要比模拟式更小的阈值
4. 在夜间无用水时段监测读数波动，确定合适的阈值

这一优化显著提升了AI-on-the-edge-device项目在实际应用中的稳定性和可靠性，特别是在处理高精度模拟指针计量表时表现尤为突出。