<li id="keyum"></li>
隨著網絡終端的不斷普及與互聯網應用的快速發展，當今網絡不僅要應對日益增長的傳輸流量，也要滿足用戶多樣化的需求指標。云計算在諸如服務延遲與傳輸開銷等方面難以適應趨勢，邊緣計算（Edge Computing）則將運算資源從云下移到了網絡邊緣，并通過就近處理數據的方式提升性能。作為人工智能的主要代表之一，深度學習一方面可以被集成到邊緣計算的框架中以構建智能邊緣，另一方面也能以服務的形式部署在邊緣上從而實現邊緣智能。本文從邊緣計算與深度學習融合的趨勢出發，介紹 “邊緣智能”與“智能邊緣”的概念與應用場景，并說明典型的使能技術及其相互聯系。
智能制造是先進制造過程、系統與模式的總稱，邊緣計算是橫跨通信、計算機、自動控制等多領域的綜合性技術，可以滿足智能制造在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。文章首先介紹了工業互聯網智能制造的基本狀況，其次介紹了邊緣計算的發展現狀，之后詳細描述了工業互聯網智能制造邊緣計算模型，最后給出了工業互聯網智能制造邊緣計算模型的測試方法。
當前，全球范圍內產業變革和工業數字化轉型蓬勃興起，工業互聯網邊緣計算作為信息技術與制造業深度融合的產物，已經成為新工業革命的關鍵技術支撐。在企業構建工業互聯網技術體系過程中，如何在工業現場應用邊緣計算是業界關注的重要問題。針對上述挑戰，本文以離散制造業為例，深入分析了離散制造業發展需求，詳細介紹了針對離散制造業特點的邊緣計算實施架構，同時系統闡述了離散制造業典型場景的邊緣計算已有應用解決方案，為引導和促進離散制造業邊緣計算應用發展提供了參考。
邊緣計算越來越受到了來自IT和OT領域的企業的關注，本文旨在從制造本質—從源頭分析如何去推進其實現，以期獲得產業專家的批評指正。
作為直接推動機器學習蓬勃發展的關鍵核心技術， 深度學習已經迅速成為學術界與工業界關注的焦點。然而，由于深度學習模型的高精度需求往往會引發對計算資源的大量消耗，因此將一個深度學習模型部署到資源受限的移動設備面臨著的巨大的挑戰。
從共享單車到自動駕駛，從智能家居到無人商店，我們已從“人聯網”時代全面進入“物聯網”時代。在萬物智能互聯的新時代，數據量成指數級爆炸，不僅需要云端的大數據分析以轉化為洞察，在邊緣對于提取分析數據也有著更高的要求，應運而生的邊緣計算將在整個物聯網的發展中發揮關鍵性作用。
當前，邊緣計算正成為傳統行業和ICT產業共同關注的熱點話題，邊緣計算要研究的內容和主要應用領域是什么？其與物聯網和互聯網的關系如何？又面臨哪些挑戰？
面向公共安全領域內的視頻監控系統主要應對違法犯罪及社會管理等公共安全問題。傳統視頻監控系統具有前端攝像機內置計算資源較少、數據量較大、傳輸帶寬延遲較高、目標跟蹤效率較低等不足，為此，需構建基于邊緣計算的新型視頻監控系統的軟硬件服務平臺。
對于工業系統，構建平臺要兼顧云端和邊緣計算資源的有效利用，而邊緣計算環境的配置和功能設計，對于數據效率至關重要。
在生產制造領域，目前的傳統方式是采用分層的架構，其核心思想是：把復雜的問題逐一分層，每個部分解決一部分問題，最后構建一個整體的系統。傳統方式的特點是簡潔高效，但同時也會帶來信息孤島等很多其他的問題。
到第 頁
友情鏈接
電話：010-62669087 控制網版權所有未經許可不得轉載
地址：北京市海淀區上地十街輝煌國際5號樓1416室(100085)
版權所有 控制網 京ICP備14036844-2號 北京市公安局海淀分局備案號：11010802023656號
<cite id="2c2e2"></cite>
名家名篇
北京市公安局海淀分局備案號：11010802023656號
今日頭條
官方微信
官方抖音
.gif)
.JPG)
