久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

★ 上海道客網(wǎng)絡科技有限公司

 1　目標和概述 

近年來，國家提出“中國制造2025計劃”，期望中國的制造業(yè)能從低端制造往高端制造與智能化生產(chǎn)發(fā)展，因此各企業(yè)爭相利用高科技手段來提升產(chǎn)品質(zhì)量， 改進產(chǎn)品研發(fā)與制造。部分企業(yè)嘗試利用IoT+AI技術 來解決生產(chǎn)過程中的質(zhì)量問題，但目前智能質(zhì)量缺陷檢 測手段往往存在以下問題：

 （1）為了提高AI檢測缺陷的準確率，需要不斷人 工介入提取并標記缺陷特征，而人工審片存在誤檢、漏 檢等問題，且人工處理效率低下，增加了企業(yè)人力資源 成本，限制了生產(chǎn)效率及質(zhì)量提升。 

（2）產(chǎn)品檢測基于IoT技術，數(shù)據(jù)需要傳送到云 端進行推理分析，對網(wǎng)絡時延要求高，工廠現(xiàn)場容易受 到網(wǎng)絡影響，從而導致識別延時較高。 

（3）產(chǎn)線檢測設備雖然已經(jīng)連接了網(wǎng)絡，但更新 模型所需的運維工作量巨大，并且存在現(xiàn)場維護成本較 高、遠程維護網(wǎng)絡限制等問題，無法快速更新訓練模 型，提升檢測效率。 

企業(yè)亟需一套更為優(yōu)越的智能缺陷檢測平臺解決方案，滿足以下目標： 

（1）先進性：采用先進的架構設計與成熟的開發(fā) 框架，支撐企業(yè)未來整體架構優(yōu)化和升級。 

（2）靈活性：部署靈活，不強依賴底層硬件環(huán) 境，實現(xiàn)異構設備的兼容及復用，幫助企業(yè)有效控制成 本。 

（3）開放性：通過標準化的開發(fā)與設計以及完備 的安全體系，將企業(yè)生產(chǎn)數(shù)據(jù)作為數(shù)字資源進行沉淀并 復用，加速企業(yè)數(shù)字化轉(zhuǎn)型。 

（4）實用性：貼合實際應用場景，幫助企業(yè)有效 降低人工成本，提高生產(chǎn)效率 。 

道客基于工業(yè)互聯(lián)網(wǎng)標準層次架構，以人工智能 與邊緣計算技術結合為基礎，研發(fā)一套面向工業(yè)互聯(lián)網(wǎng) 智能工廠質(zhì)量智能分析的云邊協(xié)同智能缺陷檢測平臺， 實現(xiàn)質(zhì)量缺陷檢測模型一站式開發(fā)與運用、提升工作效 率、加速企業(yè)智能化數(shù)字工廠場景落地，促進智能邊緣 處理技術成果轉(zhuǎn)化和產(chǎn)品研發(fā)與推廣。

 業(yè)務流程如圖1所示。 

 圖1 業(yè)務流程圖 

 該方案對比其他以往傳統(tǒng)的智能缺陷檢測系統(tǒng)有三 大改進特點： 

（1）基于云原生的邊緣計算資源管理技術。 

（2）基于云邊協(xié)同的模型訓練及推理的全生命周期 管理技術。 

（3）基于云原生的容器化部署及生產(chǎn)力管理技術。 

2　方案介紹 

2.1　系統(tǒng)架構 

 此云邊協(xié)同智能缺陷檢測平臺的系統(tǒng)架構如圖2所示。

 圖2 系統(tǒng)架構圖 

以下各軟硬件子系統(tǒng)基于云邊協(xié)同，共同完成智能缺陷檢測的業(yè)務流程： 

（1）終端設備：采集工廠生產(chǎn)數(shù)據(jù)（圖片、視 頻、時序數(shù)據(jù)）。 

（2）邊緣節(jié)點：

 · 承擔邊緣算力進行AI推理。通過云邊協(xié)同能力，實現(xiàn)邊端數(shù)據(jù)上傳給云端。

 · 通過邊緣管理平臺自動化運維能力，實現(xiàn)將模型以容器化方式自動更新到邊緣端，完成AI推理能力的更新。

 （3）AI PaaS平臺：迭代訓練，提高推理模型的識別精度和準確度。 

 （4）業(yè)務云平臺：實現(xiàn)缺陷檢測分析的服務化能力。

 2.2　云邊協(xié)同平臺功能架構 

云邊協(xié)同平臺的具體功能架構如圖3所示。

 圖3 功能架構圖 

該云邊協(xié)同平臺主要功能包括： 

（1）邊緣節(jié)點統(tǒng)一管理：支持批量接入海量的 邊緣節(jié)點，兼容X86、ARM32、ARM64等芯片異構硬 件；相同類型的節(jié)點通過預安裝證書和配置文件，開機 聯(lián)網(wǎng)后即可完成節(jié)點的納管，提高節(jié)點管理效率并降低 運維成本。 

（2）應用全生命周期管理：支持云端以鏡像的方 式將模型、應用下發(fā)到邊緣節(jié)點；聲明式API配置規(guī)則 策略，自動化批量部署應用到邊緣節(jié)點；云端統(tǒng)一對應 用進行全生命周期管理、監(jiān)控和運維。 

（3）邊緣設備管理：支持MQTT、Modbus協(xié)議 的設備接入；支持通過孿生屬性對設備進行控制；并可 以監(jiān)控設備運行狀態(tài)。 

（4）邊緣自治：當應用實例出現(xiàn)異常或節(jié)點故障 時，能夠快速將應用實例調(diào)度到節(jié)點組中其它可用的節(jié) 點上運行；即使在節(jié)點處于離線狀態(tài)時仍然能夠自動調(diào) 度，確保應用的自主運行，保障業(yè)務的持續(xù)性；云邊重 連后，支持邊緣側(cè)數(shù)據(jù)斷點續(xù)傳，減輕網(wǎng)絡傳輸壓力。 

（5）邊緣智能管理：通過云端AI PaaS平臺進行 迭代訓練，提高推理模型的識別精度和準確度；通過邊 端算力進行AI推理，減少對云邊網(wǎng)絡依賴及云端資源占 用。支持云端監(jiān)控模型驗證情況，通知用戶進行模型下 發(fā)部署、增量更新，減少運維工作量。 

（6）數(shù)據(jù)協(xié)同管理：邊緣端采集的工廠設備數(shù)據(jù)可通過云邊數(shù)據(jù)通道，自動同步至云端；邊端數(shù)據(jù)經(jīng)過數(shù) 據(jù)路由組件處理后，可轉(zhuǎn)發(fā)到云端或第三方應用，實現(xiàn) 邊端數(shù)據(jù)共享與開放，實現(xiàn)對各業(yè)務場景的決策支撐。

 2.3　技術設計方案 

（1）數(shù)據(jù)采集（模塊技術設計如圖4所示）

 · 通過定制化設備Mapper，實現(xiàn)端設備與邊緣節(jié) 點的控制/數(shù)據(jù)平面打通。

 · 通過邊緣消息組件實現(xiàn)設備與設備、設備與應用 的邊-端的控制/數(shù)據(jù)協(xié)同。 

 圖4 數(shù)據(jù)采集設計圖 

（2）數(shù)據(jù)協(xié)同（模塊技術設計如圖5所示）

 · 通過云邊數(shù)據(jù)通道，實現(xiàn)云-邊數(shù)據(jù)協(xié)同，將邊端產(chǎn)生的實時數(shù)據(jù)自動同步云端。

 · 通過數(shù)據(jù)路由組件，對邊端數(shù)據(jù)在云端共享與開放，實現(xiàn)對各個云端業(yè)務場景的決策支撐。

圖5 數(shù)據(jù)協(xié)同設計圖 

（3）模型協(xié)同（模塊技術設計如圖6所示）

 · 對邊端采集的圖片數(shù)據(jù)實時分析，通過難例算法 評估出需回傳云端數(shù)據(jù)，減少云端模型標注/訓練的工 作量。

 · 通過云端AI任務協(xié)調(diào)管理，觸發(fā)云端訓練任務， 并監(jiān)控模型驗證情況，通知用戶進行模型的部署管理， 實現(xiàn)模型增量更新，減少人工運維工作量。

  圖6 模型協(xié)同設計圖

（4）模型部署（模塊技術設計如圖5所示）

 · 通過DevOps實現(xiàn)無基礎設施相關性的AI模型部署；

 · 通過建立云邊消息通道實現(xiàn)邊緣模型的部署控制；

 · 通過建立云邊數(shù)據(jù)通道實現(xiàn)模型的下載及增量更新。  

圖7 模型部署設計圖 

（5）數(shù)據(jù)安全

 · 支持云邊雙向TLS加密通信，實現(xiàn)數(shù)據(jù)加密傳 輸；

 · 支持多租戶管理，實現(xiàn)租戶間數(shù)據(jù)隔離；

 · 提供審計日志，保障用戶操作可追溯。

 3　代表性及推廣價值 

幫助電力行業(yè)某大型企業(yè)搭建了一套服務于集團內(nèi) 部的云邊協(xié)同智能缺陷檢測平臺，協(xié)助企業(yè)采集各產(chǎn)線 的生產(chǎn)數(shù)據(jù)，通過云邊協(xié)同技術提升AI模型的精度與準 確度，沉淀出各類高技術含量的數(shù)字資產(chǎn)，并向云端其 他應用開放共享，幫助企業(yè)提高整體生產(chǎn)效率及生產(chǎn)質(zhì) 量，實現(xiàn)降本增效。

 3.1　企業(yè)收益 

（1）通過邊緣AI推理，提高評片效率與準確率， 降低企業(yè)成本。 

（2）極大地減少人工介入，自動審片效率成倍提 高。 

（3）根據(jù)數(shù)據(jù)的難例分析，實現(xiàn)模型的云邊協(xié)同 訓練，使得模型不斷迭代更新，提高識別精度。 

（4）平臺與其他系統(tǒng)互聯(lián)互通，實現(xiàn)數(shù)據(jù)同享、 信息互通，可以根據(jù)結論報告進行溯源，實現(xiàn)檢測閉環(huán)。

 3.2　創(chuàng)新性 

（1）基于云原生實現(xiàn)模型DevOps管理：基于云 原生技術支撐模型的標注、訓練、構建、部署全生命周 期流程，提高模型開發(fā)效率。

（2）基于云邊協(xié)同調(diào)度實現(xiàn)模型的自動化AI增量 學習：通過云邊協(xié)同框架實現(xiàn)數(shù)據(jù)自動化上傳，從而實 現(xiàn)模型的自動化增量訓練學習，減少AI模型開發(fā)工作 量。 

（3）通過邊緣應用容器化改造降低AI運行環(huán)境運 維難度：在邊緣端使用容器封裝技術，將AI模型依賴運 行時庫封裝到獨立環(huán)境中，減少每次模型更新部署的運 維難度。 

（4）通過邊緣容器管理引擎實現(xiàn)邊端應用的高可 用：使用邊緣資源管理引擎，實現(xiàn)邊緣應用高可用及離 線自治能力，從而減少邊端業(yè)務故障發(fā)生概率。

 3.3　方案價值 

（1）推動技術或商業(yè)模式創(chuàng)新 

依托云原生技術體系，將企業(yè)數(shù)字化基礎設施下沉 至生產(chǎn)活動現(xiàn)場，圍繞邊緣節(jié)點自治、應用&模型一體 化管理以及生產(chǎn)活動數(shù)據(jù)對接三個核心維度，加強云邊-端的聯(lián)系，消除技術棧的不一致性。

 （2）賦能產(chǎn)業(yè)高質(zhì)量發(fā)展 

在工業(yè)視覺、工業(yè)AI檢測等業(yè)務場景中，能夠為 這些客戶提供與云端技術棧保持一致的邊緣數(shù)字化基礎 設施，提高云邊協(xié)同的效率，并且降低運維管理成本。 將數(shù)據(jù)處理、業(yè)務應用、AI模型等下沉到邊緣端執(zhí)行， 解決物聯(lián)網(wǎng)落地時響應實時性、數(shù)據(jù)隱私性、維護便利 性等問題，從而滿足行業(yè)數(shù)字化在敏捷聯(lián)接、實時業(yè) 務、數(shù)據(jù)優(yōu)化、應用智能、安全與隱私保護等方面的關 鍵需求。

摘自《自動化博覽》2023年第2期暨《邊緣計算2023專輯》