没有边缘洞见的人工智能,算不上智能工业

本文转载自英特尔物联网

南京是中国最大的先进制造业中心之一(www.91sg.cn)。此地一家工厂中,自动化生产线上的 1000 多个高精度智能螺丝刀,配合一组组整齐旋转的机器手臂,一刻不停地生产着 5G 产品。一旦生产线出现故障,如何才能快速发现?只靠人眼肯定是不可能的。工厂中有人工智能自动驾驶推车,它们 24 小时不合眼,一丝不苟地监控着这些高精尖的设备,确保故障能够第一时间得到处理①。这就是智能工业落地的样子。

类似上文的人工智能自动驾驶推车,都集成了传感器、摄像头,本身就是一台边缘计算设备。不断进步的机器学习和数据分析技术,处理此类推车产生的数据,可以帮助工厂提高产品质量、优化运营和减少停机时间。然而,不是所有工厂都可以立即具备这样的能力,即便有了硬件,仍然需要软件解决方案,它就像工厂的大脑和眼睛,需要高效采集、存储、处理大量数据,不仅需要灵活、快捷,同时还要考虑价格成本。英特尔®工业边缘洞见平台(Intel® Edge Insights for Industrial, 简称EIS),就是满足这些要求、并且经过生产实践验证的软件方案。

开源结合微服务化解边缘难题

在信息化大潮的席卷之下,不少工厂本身已经具备了 IT 系统。然而,想要将其整合、演进到智能工业时代的系统,并不容易。目前市面上的专有中间件方案比较僵化,而且与供应商绑定,总体拥有成本也比较高,还需要单独花时间、人力以及其他资源完成定制化开发,扩展起来难度相当高。

解决这样的问题,需要解决方案的架构足够开放、自如。切实可行的出路,是使用开源软件,搭建微服务架构。这正是英特尔 EIS 的做法。

EIS架构

在基础设施层面,英特尔 EIS 使用久经考验而且成熟的开源 Docker 容器技术。视频提取使用了同样开源的英特尔® Media SDKGStreamer 多媒体处理框架。GStreamer 同样用在视频分析中,和它一起的还有开源的 OpenVINO™ 工具套件

英特尔 EIS 使用的微服务架构,同样是业界在面对复杂应用场景时的主流架构,它不但降低了系统整体复杂性,同时让开发者研发新功能更自由,应用部署速度更快,整个系统的资源需求也更加容易控制,保证资源的合理利用②。

开源软件和微服务架构,再加上英特尔开发的 AI 算法,构成了软件层面。硬件层面,有英特尔凌动®处理器英特尔®酷睿™处理器英特尔®至强®处理器等处理器的算力支持,内置了英特尔的特定硬件安全功能,再加上英特尔®傲腾™内存英特尔®神经计算棒和英特尔® Movidius™ VPU ,强化了整个 EIS 视频数据和深度学习的处理能力。所有这些,可以帮助工厂在边缘侧安全完成时序和视频数据的提取、存储和实时分析,从而快捷实现人工智能的部署,帮助工厂提高运营和生产效率。

长于研发工业级系统的 Vecow 公司表示:使用英特尔的EIS之后,系统推理性能得到提高,吞吐量提高了 40%,项目部署速度提高了 20%。

洞悉人工智能赋能智能工业

在通向智能工业的道路上,人工智能在不断加快工业自动化的步伐。英特尔 EIS为边缘侧赋予了快速部署人工智能的能力保证数据更快更安全地得到处理,在缺陷检测、预测性分析和制造生产力优化等领域,已经开始展现自己的强大实力,适用于压铸、纺织、电气和手工装配等行业。

随着中国工业数字化转型的不断深入,集成了智能生产过程的智能工业,将会开启一个全新的技术时代,并为行业、生产价值链以及商业模式带来重大转变。英特尔愿意和广大合作伙伴携手,推进这个转变过程持续发生、发展、发扬光大。

参考文章:

①《Beijing May Score Its Biggest 5G Win at Home》

https://www.bloomberg.com/opinion/articles/2020-08-09/china-may-score-its-biggest-5g-win-at-home

②《微服务实战(一):微服务架构的优势与不足》

http://dockone.io/article/394

文中图片等素材的版权归其所有者拥有

公司名称:山东锐澜化工机械有限公司