深入研究：使用智能包裝監(jiān)控貨物

產(chǎn)品到達客戶手中之前經(jīng)過數(shù)千英里的運輸是很常見的——而且并不總是完好無損地到達。運輸過程中的損壞會給企業(yè)帶來損失，并且要弄清楚被損壞的貨物在長途跋涉中發(fā)生了什么并不容易。

有了邊緣人工智能，物流公司可以在高價值貨物上安裝一個設(shè)備，用來識別昂貴物品何時有損壞的風(fēng)險。例如，如果配備了加速度計，該設(shè)備可以使用機器學(xué)習(xí)模型來區(qū)分正常的碰撞和顛簸以及可能導(dǎo)致?lián)p壞的特定類型的粗暴處理。任何粗暴處理的事件都可以被記錄下來，同時記錄時間戳和GPS位置。

當(dāng)設(shè)備能夠獲得無線連接時，日志可以定期上傳。到達后，如果有任何損壞，公司可以分析日志，發(fā)現(xiàn)損壞發(fā)生的時間和地點，使他們能夠找到原因并解決問題。

是什么讓這成為邊緣人工智能的一個好用例？讓我們從BLERP的角度來考慮：

帶寬

為了檢測突然的顛簸，加速度計的數(shù)據(jù)必須是高頻的。這使得它很難通過低功率、低帶寬的無線電傳輸。通過在設(shè)備上處理數(shù)據(jù)，我們可以大幅地降低帶寬要求。

延遲

對于該用例來說，這不是一個主要的考慮因素。

經(jīng)濟性

無線傳輸數(shù)據(jù)的成本很高，尤其是設(shè)備可能在世界上的任何地方。使用邊緣人工智能利于節(jié)省數(shù)據(jù)和降低成本。

可靠性

運輸中的運載工具不太可能有可靠的網(wǎng)絡(luò)連接，所以設(shè)備在超出范圍時也能繼續(xù)記錄，這一點很重要。如果我們不需要存儲原始數(shù)據(jù)，那么可以在少量的內(nèi)存中記錄所有怪異的事件。

隱私性

對于該用例來說，這不是一個主要的考慮因素。

深入研究：石油鉆井平臺的預(yù)測性維護

如果一件工業(yè)設(shè)備突然發(fā)生故障，由此造成的停工和對流程的破壞可能會產(chǎn)生巨大的經(jīng)濟損失。在某些情況下，它還可能對人類和環(huán)境的健康構(gòu)成威脅。預(yù)測性維護是識別系統(tǒng)何時將出現(xiàn)故障的藝術(shù)——這樣就可以在故障發(fā)生之前采取措施。

油井是一個在極端條件下運行的極其復(fù)雜的機器。由于其在海洋中間的不穩(wěn)定位置，故障可能導(dǎo)致的不僅是昂貴的停工期——鉆井工作人員的生命也會受到威脅，而且石油泄漏可能污染海洋環(huán)境。

通過使用邊緣人工智能，可以部署配備傳感器的設(shè)備來監(jiān)控石油鉆井平臺的關(guān)鍵部件，測量振動、溫度和噪聲等因素。通過學(xué)習(xí)系統(tǒng)每個部件的“正常”狀態(tài)，建立一個正常運行的模型。如果情況開始偏離，可以提醒維護團隊進行進一步調(diào)查。特別復(fù)雜的預(yù)測性維護系統(tǒng)甚至可能對設(shè)備有一定的控制，如果檢測到危險情況，就會自動停止運行。

為了理解為什么這個項目很適合邊緣人工智能，可以使用BLERP模型：

帶寬

大多數(shù)石油鉆井平臺依靠衛(wèi)星進行連接，從數(shù)以千計的鉆井平臺部件向云端傳輸大量的傳感器數(shù)據(jù)是一個挑戰(zhàn)。此外，在鉆井作業(yè)中，有些地方的網(wǎng)絡(luò)連接非常有限，例如，鉆頭可能在海底幾英里以下！設(shè)備上的預(yù)測性維護可以將大量的噪聲數(shù)據(jù)流轉(zhuǎn)換為易于傳輸?shù)妮p量級事件序列。

延遲

請專家到石油鉆井平臺上檢查設(shè)備的費用很高。這意味著檢查是定期進行的，限制了問題被發(fā)現(xiàn)的速度。有了邊緣人工智能系統(tǒng)的持續(xù)監(jiān)測，問題可以在出現(xiàn)后立即被識別和解決。

經(jīng)濟性

預(yù)測性維護可以節(jié)省大量的資金，一方面減少了可能會因停工而造成的損失，另一方面通過配備了人工智能的智能傳感器進行監(jiān)測，要比花錢讓人去做檢查重型機械的危險工作便宜得多。

可靠性

在極端的離岸環(huán)境中，你不能總是依賴可靠的交通或通信。使用邊緣人工智能，即使在正常操作中斷時，也可以繼續(xù)洞察設(shè)備的健康狀況。

隱私性

對于該用例來說，這不是一個主要的考慮因素。

深入研究：用跟蹤相機發(fā)現(xiàn)珍稀野生動物

跟蹤相機（或稱相機陷阱）是一種專門用于監(jiān)測野生動物的特殊類型的攝像機。它有堅固的防風(fēng)雨外殼、大容量電池和運動傳感器。它安裝在一條小徑上，一旦檢測到運動，就會自動拍照。

監(jiān)測特定物種的研究人員在偏遠地區(qū)安裝相機陷阱，每次放置相機陷阱數(shù)月之久。當(dāng)研究人員返回時，可以從相機中下載照片，并利用這些照片更好地了解目標(biāo)物種，例如，他們可能試圖估計有多少個體存在。

相機陷阱存在一些重大問題，需要花費大量的時間和金錢：

●大多數(shù)拍攝的照片都沒有目標(biāo)物種的特征。相反，拍攝是由非目標(biāo)物種或視場中的隨機運動引發(fā)的。

●由于存在大量誤報，因此通過網(wǎng)絡(luò)連接發(fā)送捕獲通知是沒有幫助的。相反，研究人員必須前往偏遠地區(qū)收集保存的照片。這是非常昂貴的，如果存儲卡滿了，可能會導(dǎo)致數(shù)據(jù)丟失，或者如果沒有拍攝到有趣的照片，可能會導(dǎo)致不必要的“旅行”。

●研究人員必須在數(shù)以千計的無用照片中翻閱，才能找到少數(shù)重要的照片。利用邊緣人工智能，相機陷阱可以配備經(jīng)過訓(xùn)練的深度學(xué)習(xí)視覺模型，用于識別目標(biāo)物種，從而避免拍攝任何不包含目標(biāo)物種的照片。這意味著，研究人員不必再擔(dān)心無用的照片填滿存儲卡。更妙的是，這意味著相機有可能配備低功率或蜂窩式無線電發(fā)射器，使他們能夠報告看到的動物，而無須有人到現(xiàn)場去。這可以大大降低研究的成本，并提高完成科學(xué)研究的效率。

BLERP模型可以準(zhǔn)確地告訴我們?yōu)槭裁催@是一個邊緣人工智能的絕佳應(yīng)用：

帶寬

相機陷阱通常被部署在網(wǎng)絡(luò)差的偏遠地區(qū)——也許昂貴、低帶寬的衛(wèi)星是唯一的選擇。有了邊緣人工智能，拍攝的照片數(shù)量可以減少到足以使其全部傳輸。

延遲

如果沒有邊緣人工智能，派遣研究人員從相機陷阱中收集照片所涉及的延遲時間可能要以月為單位來衡量，借助邊緣人工智能和低功耗無線電連接，可以立即分析照片，無須等待就能獲得有用信息。

經(jīng)濟性

避免到外地出差可以節(jié)省大量資金，避免不必要地使用昂貴的衛(wèi)星無線電也是如此。

可靠性

如果無用的照片可以被丟棄，那么存儲卡可以使用更長的時間。

隱私性

邊緣人工智能相機可以丟棄人類的照片，保護其他人（如當(dāng)?shù)厝嘶蛲讲铰眯姓撸┑碾[私。

深入研究：在遠程工作會議中模糊背景的問題

隨著遠程工作和視頻會議的增長，員工不得不習(xí)慣于他們的私人家庭空間被廣播給同事。為了幫助保護隱私，許多視頻會議工具現(xiàn)在支持模糊視頻流的背景，同時保留視頻的主體。

這些工具依賴于一種名為分割（segmentation）的技術(shù)，它使用深度學(xué)習(xí)模型來識別視頻流中屬于一個或另一個類別的像素。在這種情況下，模型被訓(xùn)練來區(qū)分一個人和他們的背景。輸入是來自相機的原始視頻流，輸出是一個具有相同分辨率的視頻流，但背景像素模糊不清，很難看清其中的內(nèi)容。

為了保護隱私，這項技術(shù)使用邊緣人工智能是很重要的——否則，未模糊的視頻會被傳輸?shù)接脩艏抑狻Ｏ喾矗跀?shù)據(jù)傳輸之前，分割和模糊是在設(shè)備上進行的。

下面說明這個用例如何映射到BLERP模型：

帶寬

如果轉(zhuǎn)換發(fā)生在高分辨率的原始視頻流上，而不是可能包含視覺偽影的壓縮、低分辨率的版本上，則效果最佳。傳輸高分辨率的視頻往往是不可行的，所以轉(zhuǎn)換必須在設(shè)備上完成。

延遲

與直接端對端地發(fā)送視頻流相比，在遠程服務(wù)器上執(zhí)行轉(zhuǎn)換可能會增加額外的延遲。在設(shè)備上執(zhí)行，可以消除這個潛在的額外步驟。

經(jīng)濟性

在發(fā)送視頻的設(shè)備上進行所需的計算，比在云端進行計算要便宜，因為在云端，服務(wù)提供商必須為此付費。

可靠性

有了云服務(wù)器作為“中間人”，視頻流發(fā)送流程更加復(fù)雜，發(fā)生故障的概率更高。通過在設(shè)備上處理，流程更簡單，可能更不容易失敗。

隱私性

當(dāng)數(shù)據(jù)在設(shè)備上被轉(zhuǎn)換后，可以保證沒有人看到原始視頻。