案例研究案例研究“作為中國移動大連接戰略布局通信與網絡技術的高速發展正為物聯網的創新和演進注入新的動力，進而也為制造業等傳統產業的數字化和智能化轉型創造了更多契機。作為中國移動旗下物聯網業務和服務的方式，來為用戶提供全方位的物聯網體系架構。為使該平臺具備更高效也更為靈活的邊緣計算能力，中移物聯網與英特爾一起，為它引入了搭載視覺云媒體分析加速卡成功的部署，以其在某燃氣表具自動化檢測管理系統中的應用為例，新方案大幅提升了?新方案高效的云邊協同、視覺處理與AI推理能力，可幫助用戶大幅提升燃氣表具檢測的自動化水平，原有三個信息采集人員的工作可由一個人代替，并可取消出廠專職信息采集人員，從而有效節約人力成本，降低總擁有成本(TotalCostof案例研究|強化邊緣算力，驅動制造業云邊協同和智能轉型端(終端設備)OneNET端(終端設備)OneNET私有云作為智能制造的重要元素或基石，信息與網絡技術的發展可助力為幫助包括傳統制造業在內的各行各業應對這一挑戰，中移物聯網正借助網絡轉型為邊緣帶來的優勢，將部分云端能力下沉至邊協同則既能夠為云端提供豐富的訓練分析數據樣本，也可顯著縮各行業智能轉型中的實際挑戰與需求，提出了一系列的行業解決方案，例如面向智能制造，用于燃氣設備生產企業的表具自動化檢測方案。表讀數精度測試上的傳統做法是采用人工錄入的方式，這種方式中移物聯網提出的基于OneNET邊緣計算平臺的云邊協同新方OneNETOneNET邊緣計算數據采集/設備控制SaaS服務協同SaaS預測性維護預測性維護質量提升質量提升能效優化能效優化安防監控安防監控預測性維護預測性維護質量提升質量提升能效優化能效優化….….應用管理協同函數計算運行時函數計算運行時應用編排工具應用編排工具分布式智能/推理分布式智能/推理數據采集與分析數據采集與分析函數計算函數計算AIAI模型訓練大數據分析大數據分析業務管理協同智能協同數據協同資源協同邊緣計算硬件OneNET一體機案例研究|強化邊緣算力，驅動制造業云邊協同和智能轉型工業攝像頭5G高速傳輸信息管理大數據分析信息管理大數據分析結果展現模型在線升級表計讀數定位識別表盤信息圖像圖像預處理表計讀數表計讀數加載識加載識別模型SSDSSD銘牌區域檢測條形碼數字條形碼數字SSDSSD檢測結果篩選表計型號表計型號OneNET邊緣計算平臺圖二基于OneNET邊緣計算平臺的燃氣表具檢測流程由于產線上的表具產品型號、朝向、間隔各有不同，攝像頭所獲取的視頻圖像也有著不同的視角，因此系統首先需要對表計區域進行定位。新方案中采用了基于深度學習的目標檢測算法來定位表計讀數區域，為增強通用性和可用性不僅有著可與FasterR-CNN相媲美的檢測精度，而且通過全新工業流水線對于檢測實時性的嚴苛要求。確定表計區域后，系統需要利用不同的機器視覺方法來自動識別表盤讀數、用戶條形碼以及表計型號三種信息。針對表盤讀數字體、顏色差異較大的特性，方案選擇了基于深度學習的分類識別對視頻的圖像質量要求，縮減現場精細化調試所需的時長，提升方案的適用性。而在用戶條形碼的識別上，方案采用了邊緣響應原理來實現條形碼定位，同時根據條形碼具有強烈x方向梯度的燃氣表具的表計符號通常由字母、數字及特殊符號組成。為對其實現快速的識別和篩選，方案采用基于深度學習的CRNN模型3，構建起高效的OCR模塊。與其他深度學習模型相比，實施文本識別時更具優勢。在完成表盤信息識別后，OneNET邊緣計算平臺會將識別結果實析能力，并利用匯集來的豐富數據樣本，對模型進行進一步的訓練和優化。更新升級后的模型也會返回邊緣側進行在線升級，從而通過這種云邊協同、持續迭代的方式不斷提升系統的檢測效率圍繞OneNET邊緣計算平臺，中移物聯網在為各類制造業產線打造智能化方案的同時，也在尋求高性能基礎設施來為它提供強勁算力和高效視覺推理能力。該平臺MEC服務器中部署的眾所周知，在基于機器視覺的智能制造解決方案中，需要執行大完成。隨著視頻質量的不斷提升，尤其是工業攝像頭已普遍采用X視覺處理單元為核心，能提供高密度的視頻處理能力。當它與VCAC-A的另一項“獨門秘籍”，是能夠提供出色的視覺推理能力。如前文所述，基于深度學習的智能制造解決方案離不開大量的AI推理。以燃氣表具檢測方案中采用的SSD300模型為例，Box數量多達8,732個，對系統的推理性能提出了非常嚴苛的案例研究|強化邊緣算力，驅動制造業云邊協同和智能轉型雖然可以利用處理器來完成推理運算，或通過網絡將數據傳回云端進行處理，但前者會影響系統的整體效能；后者則會占用寶貴的網絡帶寬資源，在實時性、安全性上也不盡如人意。因此利用VCAC-A的本地化部署來實施高效推理運算就成為更理想的選這一新方案目前已在某燃氣表具自動化檢測管理系統中實現成功械高速運行時，將肉眼難以察覺的錯針、破洞等瑕疵一一檢測出來，并利用云邊協同架構與紡織生產管理系統對接，實現產線的自動化啟停、織物質量標定等動作。而在另一大型伺服壓力機生產企業的部署中，該方案則幫助企業在邊緣側順利實現了對設備電機振動的智能化分析及故障的預測性維護，每年可為該企業減網絡與信息前沿技術成果應用于物聯網和智能制造方案的構建，是一款采用標準PCI-E接口的視覺云媒體分析加速卡。它集理、媒體創建與分析等邊緣應用提供更為高效、經濟的視覺云技術規格物理尺寸雙核心主頻2.40GHz核芯顯卡620非工作溫度:-20°Cto70°C 16xSHAVE128位VLIW浮點向量處理器 被動式散熱注：本文中提供的所有信息與數據可在不通知的情況下隨時發生變更SSD目標檢測模型框架詳見LiuW,AnguelovD,ErhanD,etal.SSD:SingleShotMultiBoxDetector[J].2016.CRNN模型框架詳見ShiB,BaiX,YaoC.AnEnd-to-EndTrainableNeuralNetworkforImage-basedSequenceRecognitionandItsApplicationtoSceneTextRecognition[J].IEEETransactionsonPatternAnalysis&MachineIntelligence,2015,39(1