双格式 CSV 导入
支持宽格式（每行一个时间戳的各传感器值）与长格式（Timestamp、Sensor Name、Sensor Value 三列，需指定列号，其余列忽略），首行均作表头。
价格分免费与付费档，价格未公布；Light 及以上支持 API
平台Web / API
归类内容检测与去AI味
收录2026-10-12
复核2026-10-12
编辑评分
4.1 / 5
★★★★☆
LotusEye编辑总结
LotusEye 是一款面向传感器时序数据的 AI 异常检测服务。用户上传预先采集的正常数据，模型据此学习正常行为，再用测试数据算异常分，偏离正常行为时分值升高。数据以 CSV 形式导入，支持宽格式与长格式两种结构，可拖拽上传，Light 及以上档位还能通过 API 配合 cron 等定时任务自动上传。异常分按小时计算，时间戳间隔小于一小时的会先按小时取平均。具体价格与档位额度未公布。
LotusEye是什么？
LotusEye 是一款做传感器数据异常检测的在线工具，核心思路是先用正常数据训练一个模型，再让模型给新数据打分。
数据入口是 CSV 文件，支持两种结构：宽格式每行代表一个时间戳上的各传感器数值；长格式包含 Timestamp、Sensor Name、Sensor Value 三列，需要指定这三列对应的列号，其余列会被忽略。两种格式的第一行都当作表头。上传方式可以是界面上选择文件，或把文件拖拽到屏幕；Light 及以上档位支持 API 上传，可配合 cron 等定时任务做自动上传。
异常分按小时计算。时间戳间隔短于一小时的数据会先按小时取平均再算分，所以想更快发现早期征兆，建议每小时通过 API 上传一次数据。除传感器数据外，任何 CSV 格式的数值数据都能拿来建模，例如把 sar 命令的输出或 Web 服务器访问日志转成 CSV。
LotusEye核心功能
拖拽上传数据
在服务界面选择文件，或直接把 CSV 拖拽到屏幕上完成上传，不需要额外配置。
API 自动上传
Light 及以上档位可通过 API 上传数据，配合 cron 等定时任务实现自动化，建议每小时上传一次以及时捕捉早期异常。
逐小时异常打分
异常分按小时计算；时间戳间隔短于一小时的数据会先按小时取平均再算，模型对偏离已学正常行为的数据给出高分。
非传感器数据建模
任何 CSV 格式的数值数据都能用于创建检测模型，例如把 sar 命令输出或 Web 服务器访问日志转成 CSV 后使用。
LotusEye值不值得用？
当你的数据本来就是按小时或更粗粒度采集的传感器数值、且能先攒出一段正常数据时，LotusEye 值得试：免费档可以先建模型，验证能不能发现早期征兆、误报率能不能接受，再决定是否转付费。当你的数据时间戳间隔远小于一小时、又需要秒级发现异常时，要接受按小时取平均带来的延迟，或用 API 每小时上传一次来缩短判断周期。检测准确度取决于训练所用数据，只喂正常数据建的模型未必抓得住早期征兆，建议同时准备正常与异常数据。
建议选它的情况
- 已有成段正常数据、想先验证异常检测可行性的团队
- 数据按小时采集、能接受逐小时出分的场景
- 需要定时自动上传、可写 cron 等任务的用户
不建议选它的情况
- 要求秒级或分钟级实时告警的场景
- 数据无法整理成 CSV 数值格式的情况
- 只想看异常、不愿先准备训练数据的用户
LotusEye使用建议
入门先把路子走对
- 先确认 CSV 结构宽格式每行一个时间戳；长格式要有 Timestamp、Sensor Name、Sensor Value 三列并指定列号，第一行必须是表头。
- 用免费档先建模型同时准备正常和异常数据来建模，判断系统能否发现早期征兆、误报率是否可接受，再决定是否转付费档。
- 整理上传数据先在界面上选择文件或直接拖拽到屏幕即可上传，不用一开始就写代码。
进阶省时间也省钱
- 每小时 API 上传异常分按小时算，时间戳间隔小于一小时会先取平均；需要更快发现征兆就用 API 每小时上传一次。
- 用 cron 做定时上传Light 及以上档位可通过 API 上传，配合 cron 等定时任务自动送数据，省去手动操作。
- 非传感器数据也能用把 sar 命令输出或 Web 服务器访问日志转成 CSV 数值格式，同样可以建异常检测模型。
LotusEye适合谁用？
设备运维团队
推荐手上有传感器时序数据，想在没有明确阈值的情况下自动发现行为偏离，可用免费档先验证效果。
需要自动上传的用户
推荐能写 cron 等定时任务、希望数据自动送入检测流程，Light 及以上档位才支持 API 上传。
要秒级告警的场景
有条件异常分按小时计算，需快速发现早期征兆建议每小时经 API 上传一次数据，无法做到即时报警。
只喂正常数据的使用者
有条件只拿正常数据建模未必能抓住早期征兆，建议同时准备正常与异常数据来建模型。
LotusEye优点和缺点
优点
- 支持宽格式与长格式两种 CSV 结构，导入门槛低
- 除传感器数据外，任意 CSV 数值数据都能建模
- 免费档可用于建模型，先验证效果再转付费
- Light 及以上支持 API 上传，可配合 cron 自动送数
- 异常分按小时计算，时间戳更密的数据会先按小时取平均
缺点
- 异常分按小时计算，无法做到即时告警
- 检测准确度取决于训练数据，只喂正常数据效果有限
- 具体价格与档位额度未公布，只有免费与付费的说法
- 长格式 CSV 需手工指定三列列号，其余列会被忽略
LotusEye常见问题
可以用哪些类型的传感器数据？＋
支持两种 CSV 文件：宽格式每行代表一个时间戳上的各传感器值；长格式包含 Timestamp、Sensor Name、Sensor Value 三列，需要指定这三列对应的列号，其他列会被忽略。两种格式的第一行都当作表头。
怎么上传传感器数据？＋
在服务界面上选择 CSV 文件，或把文件拖拽到屏幕上即可上传。Light 及以上档位还能通过 API 上传，配合 cron 等定时任务实现自动送数。
异常分什么时候会变高？能发现早期征兆吗？＋
模型先用上传的正常数据学习正常行为，测试数据偏离这个行为时异常分升高。准确度取决于训练所用数据，建议用免费档同时拿正常和异常数据建一次模型，看能否发现早期征兆、误报率是否可接受，再决定是否转付费档。
异常分多久计算一次？＋
按小时计算。如果传感器数据的时间戳间隔短于一小时，会先按小时取平均再算异常分。想更快捕捉早期征兆，建议通过 API 等方式每小时上传一次数据。
只有传感器数据能用来做异常检测吗？＋
不是。任何 CSV 格式的数值数据都能用来创建检测模型，例如把 sar 命令的输出或 Web 服务器访问日志转成 CSV 后使用。
支持哪些付款方式？＋
通过 Stripe 用信用卡支付。付费档的具体价格与额度未公布，免费档可先用来建模型验证效果，再决定是否转付费。
