基于边缘计算的机器视觉 第1部分：应用场景和业务需求.docx

YD/Txxxx-xxxx

基于边缘计算的机器视觉第1部分：应用场景与业务需求

1范围

本文件主要规定了基于边缘计算的机器视觉的典型应用场景与业务需求，包括机器视觉典型应用场景梳理、各类业务对于技术能力的要求、规范性描述等。

本文件适用于基于边缘计算的机器视觉的应用场景和业务需求梳理，明确了不同场景下各类业务对于网络、计算、存储等方面的需求，为行业市场发展提供参考。

2规范性引用文件

本文件没有规范性引用文件。

3术语和定义

下列术语和定义适用于本文件。3.1

工业视觉industrialvision

满足工业智能化发展需求，是用于自动检验、工件加工和装配自动化以及生产过程的控制和监视的图像识别应用。

3.2

机器视觉machinevision

使用机器替代人眼实现检测，测量，识别。

3.3

边缘计算edgecomputing

在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。

4缩略语

下列缩略语适用于本文件。

AGV:自动导引运输车(AutomatedGuidedVehicle)AI;人工智能(ArtificialIntelligence)

CT:计算机体层摄影(ComputerTonography)

GigE:干兆以太网(GigabitEthernet)

2

YD/Txxxx-xxxx

USB:通用串行总线(UniversalSerialBus)

5典型应用场景分类

5.1典型应用场景概述

边缘计算是一种将主要处理和数据存储放在网络的边缘节点的分布式计算形式。随着各行业数字化、智能化的持续发展，各行业纷纷意识到边缘计算在提高机器视觉应用的用户实时性体验，提供差异性服务以及分担云计算负荷等多个方面具备先天优势。

本文件提到的边缘计算是指可与云端协同的边缘计算场景，本文件定义的基于边缘计算的机器视觉，其最大特点就是可以与云端协同，从而提高机器视觉的灵活性，能够使整体计算效能达到最大化，且部署更加方便。基于边缘计算的机器视觉，与普通机器视觉主要有几个差异点

a)云侧与边缘机器视觉设备可进行算法、应用、资源等多方面的协同，边缘机器视觉设备与算法及应用松耦合，可按需实现多场景应用，可定制性较高；

b)通过边云协同训练可实现机器视觉算法模型准确度迭代提高，边缘侧支持自动部署执行，随着

技术的进步，机器视觉应用可更替、可演进；

c)基于边缘计算的机器视觉应用可脱离云平台自主运行，即发生现场设备与视觉云平台断网情况后不影响其视觉业务，网络恢复后该节点状态、缓存数据可自动上传到云中心，并接受云中心的管理调度。

机器视觉在边缘侧的典型场景如图1所示。机器视觉在边缘侧的部署已经被广泛应用到多个行业场景，本文件选取工业、交通、安防、医疗典型应用场景，以业务为核心，分行业梳理场景及对应的业务

机器视觉在边缘侧的

工业领域

··

·

·

装配定位/引导

产品质量检测

产品识别

产品尺寸测量

仪表盘分析

·设备运行动态检测

·

工序控制检测·其他

行

交通领域

仪参与者识别与定位

静态道路环境识别

驾驶行为分析辅助驾

交通管控

其仙

业应用

安防领域

*出入口控制

身份识别物资识别

异常形态监控

·入侵报警识别

犯罪行为报警

·危险违禁物检测

·其他

医疗领域

·医学影像诊断

药品制造

·其他

图1机器视觉在边缘侧的典型场景概览

5.2工业领域

本文件工业视觉主要聚焦于工业生产领域，其应用可分为提高工业生产效率及保障工业生产安全两大类。提高工业生产效率主要聚焦于装配定位、产品质量检测、产品识别、产品尺寸测量等方面：保障

YD/Txxxx-xxxx

工业生产安全主要是对人员、环境、设备的监测，人员、环境的监控更多的与安防相关，因此工业视觉在工业安全生产方向主要聚焦于机器设备生产过程的监视及控制。

5.3交通领域

本文件交通领域主要实现路口机动车、非机动车、人等全量数据采集分析及存储，支持将元数据(车牌、车辆属性、是否违法等)汇聚到微边缘设备进行业务指标汇聚分析，并最终经过多个边缘设备

分析后汇聚到智慧交通治理中心平台。场景上主要聚焦在交通参与者识别与定位、静态道路环境识别、驾驶行为分析、辅助驾驶、交通管控等方面。

5.4安防领域

安防即安全防护，做好准备和保护以应付攻击或者避免受害，从而使被保护对象处于没有危险、不受侵害、不出现