Облачные вычисления переходят к более глобальной комбинации распределенных узлов, а периферийные вычисления представляют собой новое щупальце для распределенного расширения возможностей облачных вычислений на периферийной стороне. Поскольку процесс городского строительства ускоряется, данные, генерируемые массивными устройствами, будут оказывать большую нагрузку на облако, если они будут загружены в облако для обработки. Если периферийные вычисления используются для снижения возможностей облака, они могут эффективно решить проблему обработки больших объемов данных и эффективно распределить нагрузку по обработке данных на облако.

Вообще говоря, основными требованиями к периферийному ИИ являются высокая производительность, низкая стоимость и высокая гибкость. Если взять в качестве примера шлюз интеллектуального анализа TSINGSEE Edge Computing AI, то его основные функции заключаются в следующем:

1) Вычислительная мощность: поддерживает пиковую вычислительную мощность INT8 до 17,6 Тл или высокоточную вычислительную мощность FP32 до 2,2 Тл;

2) Производительность: поддерживает полную обработку до 16 каналов HD-видео 1080P, поддерживает 32 канала аппаратного декодирования видео Full HD и 2 канала кодирования;

3) Алгоритм: поддерживает трансплантацию нескольких алгоритмов, таких как распознавание людей/транспортных средств/не/объектов, структурирование видео, анализ поведения траектории и т. д.;

4) Сценарии: поддержка гибкого развертывания в различных областях и сценариях, таких как умный кампус/безопасность/промышленный контроль/коммерция;

5) Интерфейс: поддерживает USB, HDMI, RS-485, RS-232, SATA, пользовательские интерфейсы ввода-вывода и другие интерфейсы;

6) Трансплантация: поддерживает основные платформы глубокого обучения, такие как Caffe/TensorFlow/PyTorch/MXNet/Paddle Lite;

7) Совместная работа в облаке: поддержка контейнеризации Docker, расширенного управления Kubernetes, обновлений облачной модели, а также управления и обновления устройств.

Обработанные данные собираются из периферийных узлов в центральное облако. Облачные вычисления выполняют анализ и анализ больших данных, совместное использование данных и в то же время обучают и обновляют модели алгоритмов. Обновленные алгоритмы передаются на периферию, чтобы можно было использовать периферийные устройства. обновлен и модернизирован для завершения автономного обучения по замкнутому циклу. Шлюз интеллектуального анализа TSINGSEE Edge Computing AI поддерживает развертывание одним щелчком мыши и вступает в силу своевременно. Устройство имеет более 20 встроенных алгоритмов AI, включая неструктурированный анализ людей и транспортных средств, распознавание лиц, анализ поведения, оповещение по периметру, пожар. оповещение и т. д. Он может отслеживать и идентифицировать людей, транспортные средства, объекты, поведение и т. д. на видео и сообщать о результатах идентификации. Его можно использовать в таких областях и сценариях, как энергетические шахты, заводы, строительные площадки, опасные химические производства, пожары. защита, электроэнергия, промышленные парки и охрана кампуса.

В приложении сцены данные, собранные оборудованием для мониторинга на месте, анализируются с помощью искусственного интеллекта, а результаты анализа унифицируются и агрегируются в платформу EasyCVR Video Fusion, а визуальные результаты анализа данных и статистика отображаются для быстрого отображения. построить крупномасштабную систему на основе технологии распознавания видео с помощью искусственного интеллекта. Интеллектуальный анализ данных и прогнозирование рисков безопасности. полицейской платформы, и может отслеживать и контролировать общие типы правил безопасности и поведения, такие как правила ношения, статус дежурства, опасное поведение, отклонения по периметру, ненормальную среду в рабочей зоне (открытое пламя, дым) и т. д., чтобы соответствовать потребности в данных на основе видеоуслуг. Зондирование, удаленный мониторинг, интеллектуальная идентификация, интеллектуальный анализ, интеллектуальная сигнализация и другие потребности.

Ожидается, что периферийный интеллект позволит максимально перенести вычисления глубокого обучения из облака на периферию, что позволит разрабатывать разнообразные распределенные, надежные интеллектуальные сервисы с малой задержкой. В то же время, если рассматривать глобальную перспективу, распределение центральных облачных ресурсов, совместная работа и планирование вычислительных мощностей и т. д. также требуют развертывания и развертывания модели совместной работы на границе облака.

При развертывании проекта система EasyCVR и шлюз интеллектуального анализа AI приняли эту модель совместной работы на границе облака и устройства, перенося возможности облачных вычислений на периферию и сторону устройства, а также унифицируя доставку, эксплуатацию и обслуживание, а также управление и контроль через центр, и эта модель использовалась в «умных» городах, «умном» транспорте, «умных» фабриках, «умных» строительных площадках, «умных» кампусах, «умных» сообществах, «умных» живописных местах и ​​других областях.

1) Интеллектуальная безопасность: используется в сценариях наблюдения за безопасностью в сообществах, зданиях, корпоративных кампусах и других местах, таких как: контроль доступа по лицу, вход и выход персонала, вход и выход транспортных средств, предотвращение периметра, вторжение в опасные зоны, подозрительное блуждание и т. д. ., для формирования безопасной среды по периметру. Развертывание и контроль могут компенсировать неэффективность традиционной модели ручного мониторинга и повысить уровень управления безопасностью и предотвращения рисков в соответствующих местах.

2) Интеллектуальный контроль безопасности: используется в сценариях надзора за безопасностью производства на предприятиях, таких как: строительные площадки, угольные шахты, опасные химические вещества, заправочные станции, фейерверки, электроэнергетика и другие отрасли. Это помогает снизить риски безопасности в производственном процессе и защитить предприятия. .Безопасное производство.

3) Умные живописные места: используется в живописных местах, парках и других местах. Он может подсчитывать поток туристов в пределах зоны наблюдения в режиме реального времени, обеспечивать раннее предупреждение о скоплении людей, предотвращать проникновение людей в опасные зоны, выявлять фейерверки, противозаконные действия. припаркованные транспортные средства и т. д., и могут эффективно устранять потенциальные угрозы безопасности. Сотрудничать для внедрения статистики потоков людей и контроля безопасности.

4) Городское управление: на основе моделей алгоритмов искусственного интеллекта, таких как обнаружение уличного порядка, определение внешнего вида города и окружающей среды, обнаружение чрезвычайных ситуаций и управление строительством, можно своевременно обнаруживать различные незаконные и нарушающие правила проблемы в городском надзоре, а также подавать сигналы тревоги. могут быть запущены немедленно, чтобы сотрудники правоохранительных органов могли. Своевременное вмешательство и обработка могут сделать городское управление разумным, видимым, управляемым и контролируемым, а также повысить эффективность работы сотрудников правоохранительных органов.