U
基础支撑
DT ML Unity
小模型集
🧩 DT ML Unity — DiTing 小模型集，边缘设备AI解决方案
产品定位
针对地震监测边缘场景（如野外台站、移动监测设备）算力受限、网络带宽不足的痛点，DiTing ML Unity将谛听大模型的核心能力"浓缩"为轻量化小模型集，支持在低功耗边缘设备（如嵌入式工控机、ARM架构终端）上高效部署。
通过**“端侧实时处理+云端协同优化”**，实现地震事件的毫秒级响应与高精度识别，让AI地震监测能力"下沉"至数据源头。
🎯 四大专业小模型
DiTing ML Unity集成四大专业小模型，从震相识别到震级预测，构建端到端智能处理链路：
1. 谛听震相拾取神经网络（DiTingPicker）
- 技术架构：基于卷积神经网络（CNN）的多分支结构
- 核心能力：输出地震发生时间及P波、S波震相到时
2. 谛听初动极性检测模型（DiTingMotion）
- 核心能力：自动识别地震波初动极性
3. 谛听单台方位角估算网络（DiTingAzi）
- 技术架构：主干网络由卷积层、残差块和池化层组成
- 核心能力：基于单台站波形数据估算地震方位角
4. 震级预测神经网络（DiTingMag）
- 核心能力：基于波形特征快速预测地震震级
🎯 应用场景
| 场景 | 描述 |
|---|---|
| 野外台站实时监测 | 在无网络或弱网环境下，独立完成震相识别、初动判别、方位角估算与震级预测 |
| 科研数据预处理 | 在数据采集端完成波形预处理与特征提取，减少云端数据传输量 |
⚡ 边缘优势
- ✅ 支持单台设备独立运行，无需依赖多台站数据同步
- ✅ 降低网络传输依赖
- ✅ 毫秒级响应与高精度识别
💬 DiTing ML Unity，边缘AI的地震监测专家