- 1、本文档共23页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
边缘智能:赋能实时决策,构筑安全高效的智能化应用场景
目录
content
01
02
03
边缘智能简介
边缘智能的应用
智慧农业
04
水库安全监管解决方案
边缘智能的定义
3
边缘智能,指的是在边缘计算环境下实现的人工智能技术。边缘计算使得数据可以在其被收集的原地即时进行计算处理,无需传输至集中的云计算平台或远程数据中心。
这种技术模式赋予了设备在不依赖云端或远程数据中心的情况下,更迅速地做出明智决策的能力。
边缘智能的特点
4
边缘计算的一个显著特点无论互联网连接是否存在,AI算法都能在设备上直接处理数据。数据能在毫秒级的时间内得到处理并给出实时反馈
这一特性还意味着某些敏感数据可以完全保留在边缘设备上,从而大幅提升了数据安全性。
边缘智能的应用场景
5
就近提供数据分析处理服务,能够实现更快的设备/服务响应,满足各行业在实时业务、应用智能
、安全与隐私保护等方面的需求。
边缘智能的应用场景:农业智能监测
6
在智慧农业中,边缘设备可以实时采集分析来自空气、土壤、水利、温湿度传感器和无人机的数据,以全面监测作物状况和农业环境状况,灵活控制耕种、施肥、灌溉以及防灾事项,并为作物管理做出数据驱动的科学决策。
农业智能监测中的挑战
7
准确性:农田环境复杂多变,如何在不同天气、季节和地形条件下准确地进行监测
实时性:在农业中,某些情况需要快速反应,如病虫害的及时处理。如何在确保模型预测精度的同时,满足实时性的要求是一个挑战
适应性:针对不同地域、气候条件和土壤类型,研究数据融合技术在提高农业监测精度和预测能力方面的作用。
核心内容
8
边缘设备视觉检测技术:研究利用边缘设备(如树莓派、JetsonNano等)进行实时视觉检测的方法,以便在农业生产现场实现对作物生长状况、病虫害和农业机械设备等关键信息的监测;
数据融合技术:将来自不同传感器的数据进行融合,包括图像数据、环境参数(如温度、湿度、光照等)、土壤信息等,以提高监测准确性和决策效率。
应用场景研究:针对不同农作物和生产环境,探讨边缘设备视觉检测与数据融合技术的应用方法和优化策略,以满足多样化的农业监测需求。
9
技术路线
技术路线1基于深度自编码器的视频异常检测
构造自编码器
只学习正常样本的分布
利用重建样本和输入样本的误差
训练自编码器(Autoencoder)
只能重构正常图像,无法重构异常图像
优势:泛化性强,无监督不需要标注数据
10
技术路线
技术路线2基于无监督学习扩散模型的图像正样本检测
利用扩散模型重构样本
解决不稳定的鞍点问题
重建高质量和稳定的样本
噪声引起的信息衰减
扩散模型效果优于生成对抗
优势:较快的收敛,生成高质量图像,训练阶段只需要正样本
11
技术路线
技术路线3融合技术路线1和2的多尺度扩散模型重构模式框架
多尺度特征增加特征的不同层次信息
减小了目标尺寸变化的影响
多尺度特征融合
融合局部和全局特征
融合不同尺度的语义信息
优势:减小了目标尺寸变化的影响,大大提高了整体检测的准确度
目标
利用多尺度信息融合提升精度
在同等视觉检测数据集中,达到SOTA性能
利用模型压缩和轻量化设计,部署在边缘设备上
提取多尺度特征
研究方法
12
多尺度特征的优势
细粒度小:边缘和梯度,局部
细粒度大:整体和抽象,全局
13
技术路线
技术路线4面向异常检测的模型压缩
实际应用中部署设备的算力资源有限
模型压缩有助于减少模型复杂度,实现实时检测
知识蒸馏
大型复杂小而精的模型
水库安全监管解决方案
时空数据|边云协同|智能决策|秒级反馈
主持人笔记
2024-06-2606:23:11
--------------------------------------------
另外我负责的一个横向课题
政策要求
管理现状
顶层设计:3个“一”构建“云,边,端”一体协同的水库安全
主持人笔记
2024-06-2606:23:12
--------------------------------------------
针对上述这些
整合水库安全监测硬件,将水库内的“空间、事件、设备、设施、人”进行关联,实现多传感器联动
,精准判别风险隐患,有效提升水库智能监测水平,消除水库安全隐患。
微脑:物联感知设备连接能力
卫士:构建“水库大循环,边缘小闭环”安全事件处置能力
l 可设置时间段判别计算关键位置人员出现次数,实现日常工作监管;
l 多摄像头联动判别人员值守情况。
三个责任人关键位置巡查频次
汛期人员值守
边缘卫士
识别预警
管理岗位
到达现场/绩效考核
卫士:水库运营人员监管
敏捷化应急管理:实现应急事件的响应管理过程,自动匹配应急预案,实现应急事件的快速响
文档评论(0)