隨著5G、大數據及產業互聯網的發展,以邊緣計算為代表的算力下沉成為新的發展趨勢。未來越來越多的智能場景將發生在邊緣端,而智能視覺作為邊緣智能的重要場景之一,是邊緣計算發展的重要使能器,兩者的結合將更好地滿足行業智能化發展的需求。

　　近日, 由中國移動、華為、凌云光等單位牽頭,ECC邊緣計算產業聯盟、IVIA智能視覺產業聯盟及CMVU機器視覺產業聯盟共同編寫的《邊緣計算視覺基礎設施白皮書》(以下簡稱“白皮書”)正式發布。該白皮書聚焦于工業、安防、體驗交互三大領域,從應用場景及業務需求、發展趨勢和面臨的挑戰出發,提出未來構建邊緣計算視覺基礎設施的技術框架,并結合標準研究、產業實踐進行論證。凌云光作為牽頭單位重點參與工業領域和體驗交互領域的應用場景及需求內容編制工作。

　　白皮書中提出:邊緣計算2.0主要包括三類落地形態,云邊緣、邊緣云和邊緣網關;圍繞邊緣計算的技術體系構建,一方面涉及相關通用技術的應用,主要包括計算、存儲、連接、云、視覺、人工智能等;一方面涉及邊緣計算特有的技術能力,主要包括邊緣原生、邊云協同、邊緣智能、邊緣連接等。

　　白皮書選取工業領域機器視覺應用場景,如自動化產線質檢、工業機器人視覺引導與檢測、智能工廠,對云邊緣、邊緣云和邊緣網關進行了詳細的闡述及介紹。智能工廠對邊緣端視覺的需求是:端側視覺系統實現對被測物的各種缺陷的檢測與分析,將端側采集的數據傳給邊緣端視覺系統,進行算法分析,再將分析結果回傳給端側專機,快速實現設備生產端的應用。同時邊緣端視覺系統要能與云服務器通信,通過云平臺的大數據管理實現智能工廠。

　　▲智能工廠典型應用場景

　　“目前,傳統工廠自動化加工設備覆蓋率低,信息化建設存在斷層,車間管理成為黑匣子,生產系統各個相關環節成為信息孤島;智能工廠通過技術加強信息管理服務,提高生產過程可靠性,減少產線人工干預,并能合理計劃排程。”凌云光技術總監認為。“但隨著傳統視覺向AI工業視覺轉變,高性能CPI/GPU的普及,端側算力成本正急劇上升。同時,當前工廠大多以固定工位單機部署,本地化維護成本居高不下。”“

　　對此,凌云光推出了邊緣端智能處理盒GBOX及邊緣端嵌入式智能視覺處理系統,通過分布式架構,簡化布線,將系統高度集成;將采集的圖像數據在邊緣端處理,提高邊緣端決策的實時性,并減輕回傳通道的帶寬壓力;通過嵌入式處理架構,大幅提升系統穩定性及可靠性;減免工控機和采集卡的應用,支持多相機介入,減少邊緣端處理設備梳理,優化整套檢測系統成本。

　　▲一拖多分布式架構示意圖

　　同時,數據作為建設智慧工廠的核心,在架構上包括數據獲取、數據分析、數據應用。除了對常規的制造數據、業務數據進行整合,質量數據的加入為工廠管理注入靈魂。通過質量全環節數據與品質數據的綜合利用,進行工業大數據的分析,進而做出企業決策。

　　凌云光認為,邁向智能生產管理,產生收益和效能的三個步驟分別為以智能裝備為核心的端的布局、以智能產線管理為核心的邊的布局和以智能工廠決策為核心的云的布局。

　　第一步: 創新工藝&科學可度量的品質控制, 解放工人

　　第二步: 建立質量大數據, 利用GMQM+大量AI完善品質管理, 替代管理者

　　第三步: 智能生產管理,以質量和效能改進為目的, 使用大量的AI技術, 實現智能生產管理的 SmartFabrication.

　　圍繞邊緣視覺領域的探索方興未艾,正在迎來蓬勃發展的產業機遇。視覺能力將逐步成為類似于算力、連接的一種基礎設施能力,視覺將無處不在。一方面,正如人類信息獲取的來源80%來自于眼睛,隨著萬物感知、萬物互聯、萬物智能時代的到來,必將帶來視覺能力無所不在,推動視覺能力成為數字世界的基礎設施能力之一。另一方面,邊緣計算作為新興的計算架構,在連接、實時、數據優化、智能、隱私安全等方面具備天然優勢,是實現萬物感知、萬物互聯、萬物智能的核心基礎,支撐推進實體經濟的數字化轉型。