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

2018WOT全球軟件與運(yùn)維技術(shù)峰會(huì)日前于北京正式落下帷幕，在本屆論壇上，來自九州云的黃舒泉先生就邊緣計(jì)算的話題進(jìn)行了精彩演講。以下是演講實(shí)錄：

邊緣計(jì)算是如何興起的

大家都知道，過去的十年二十年以來云計(jì)算是非常火的一個(gè)概念。但最早的概念出現(xiàn)在上個(gè)世紀(jì)60年代，最早是由非常出名的一名教授，他提出了一個(gè)分時(shí)的概念。其實(shí)這個(gè)概念奠定了后面一系列計(jì)算的發(fā)展。因?yàn)橛辛朔謺r(shí)，我們才想到需要有虛擬化這樣的技術(shù)。需要用虛擬化來實(shí)現(xiàn)各種資源的共享，包括計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)等等一系列資源的共享。

然后到了上個(gè)世紀(jì)的九十年代逐漸地才有人把正式的云的概念包裝提出來。最早其實(shí)我們可以看到云其實(shí)是基于虛擬化技術(shù)演變發(fā)展過來的。而虛擬化技術(shù)最早并不是在我們現(xiàn)在熟悉的X86這個(gè)平臺(tái)上。它最早其實(shí)是IBM的小型機(jī)、大型機(jī)上的一些虛擬化的技術(shù)。

等到了90年代才有了VMware開始把這個(gè)技術(shù)引入到X86平臺(tái)。也正是因?yàn)閄86平臺(tái)對(duì)虛擬化技術(shù)一系列更好的支持，包括KVM項(xiàng)目逐漸的成熟，我們才有了云計(jì)算的爆發(fā)。這個(gè)可以看到大概在2005年、2006年的時(shí)候Google發(fā)布了一系列的云服務(wù)，以及亞馬遜也發(fā)布了它的EC2的服務(wù)。

九州云黃舒泉

然后另外一個(gè)里程碑可以看到就是2010年的這個(gè)OpenStack。OpenStack作為一個(gè)開源的云計(jì)算的管理平臺(tái)。它可以幫助我們使用KVM或者使用別的一些虛擬化的技術(shù)以及整合了像開源的這種存儲(chǔ)的技術(shù)，OVS的網(wǎng)絡(luò)虛擬化技術(shù)來實(shí)現(xiàn)一整套的云計(jì)算的平臺(tái)的搭建。不需要像以前一樣還是使用自己的一些研發(fā)去實(shí)現(xiàn)自己公司內(nèi)部的一些系統(tǒng)去解決這樣的問題。

所以逐漸從2010年開始OpenStack成為了云計(jì)算的開源領(lǐng)域的事實(shí)上的一個(gè)標(biāo)準(zhǔn)。接著才有了后面最近十年來云計(jì)算蓬勃的發(fā)展。企業(yè)對(duì)于自己內(nèi)務(wù)要求比較高的可能會(huì)搭建私有云，主要供內(nèi)部的系統(tǒng)服務(wù)。然后更注重于數(shù)據(jù)的安全性方法。

然后對(duì)于有能力、有IDC資源的一些廠家，他們可能逐漸轉(zhuǎn)型成為公有云，他們也可以使用OpenStack技術(shù)來搭建一整套公有云的服務(wù)，對(duì)外提供服務(wù)。然后有些企業(yè)它也可以使用混合云的業(yè)務(wù)里提供這樣的一個(gè)滿足企業(yè)內(nèi)部的需求。

所以我們其實(shí)可以看到，總結(jié)一下就是云計(jì)算它是過去十年來的一個(gè)主導(dǎo)的計(jì)算的模式。隨著我們的這個(gè)移動(dòng)手機(jī)的發(fā)展，我們還是把大部分的計(jì)算能力放在了后端。然后正式因?yàn)檫@種超大規(guī)模的數(shù)據(jù)中心，它才可以強(qiáng)化我們最早提出的這個(gè)資源共享分時(shí)這樣一個(gè)概念，使得我們可以降低用戶的成本，然后降低我們總體的運(yùn)營的成本。所以這是云計(jì)算最近20年來發(fā)展的一個(gè)歷程。

可以看到，有了這樣的一個(gè)開源的云計(jì)算的技術(shù)，它使得我們有能力去軟件定義數(shù)據(jù)中心。我們可以把傳統(tǒng)的這種通過專有的設(shè)備、專有的技術(shù)，井倉式的結(jié)構(gòu)的數(shù)據(jù)中心把它打散成為一種更通用型的數(shù)據(jù)中心。它是完全可以采用軟件定義。

其實(shí)大家需要明白什么是軟件定義，舉一個(gè)最簡(jiǎn)單的例子，就是我所有的資源的調(diào)配，我都可以非常方便靈活地使用一個(gè)API的調(diào)用就可以去實(shí)現(xiàn)這點(diǎn)。這就是一個(gè)比較直白的軟件定義的理解。

然后OpenStack他非常地靈活，他可以有不同的項(xiàng)目來專注于某一個(gè)資源的管理。比如說NOVA是幫助我們管理這個(gè)計(jì)算資源的。然后計(jì)算資源分別有什么呢？它可能是有虛擬化，大家可能非常地熟悉采用這個(gè)虛擬化的技術(shù)產(chǎn)生一個(gè)虛機(jī)。然后計(jì)算還有別的一些表現(xiàn)的形式。比如說裸機(jī)、裸金屬、Bare Metal。通過Bare Metal的這種計(jì)算的形式，我們可以去承載更多比如說像HPC這類的應(yīng)用。

另外現(xiàn)在也非常火的就是容器，容器也是一種計(jì)算表現(xiàn)的形式。當(dāng)然OpenStack有別的項(xiàng)目去專門地為容器的管理而提供這樣的一些服務(wù)了。但是OpenStack它通過把資源靈活地來管理，對(duì)外提供上層的API來實(shí)現(xiàn)我們可以根據(jù)自己的業(yè)務(wù)的需求而實(shí)現(xiàn)資源的靈活的調(diào)配，從而滿足我們不斷快速變化的需求。

所以云計(jì)算發(fā)展到這個(gè)時(shí)候，大家可以理解它對(duì)外是提供了一整套標(biāo)準(zhǔn)的API。這個(gè)API可以幫你去實(shí)現(xiàn)對(duì)計(jì)算存儲(chǔ)網(wǎng)絡(luò)的靈活的管理。這一點(diǎn)非常重要，因?yàn)槠鋵?shí)邊緣計(jì)算它的實(shí)質(zhì)也是這樣子。

邊緣計(jì)算為了能夠像我們?cè)谠朴?jì)算這一端、在邊緣端，我們也能夠有靈活的這么一個(gè)軟件的框架或者是架構(gòu)來去管理，你在邊緣端所有的計(jì)算存儲(chǔ)網(wǎng)絡(luò)的資源。

但是大家看一下現(xiàn)在邊緣發(fā)展的一個(gè)情況。比如說剛剛提到的這個(gè)IOT。其實(shí)IOT是非常異構(gòu)的一個(gè)環(huán)境，它可能有ARM的設(shè)備、Intel的設(shè)備，還有別的一些芯片的設(shè)備。這個(gè)異構(gòu)的情況遠(yuǎn)遠(yuǎn)比云計(jì)算的這個(gè)領(lǐng)域要復(fù)雜得多。云計(jì)算現(xiàn)在可能大家用的就是X86或者是大機(jī)、小機(jī)，ARM可能都很少用。但邊緣可能是完全不同的一個(gè)情況。

所以邊緣的平臺(tái)同樣要解決云計(jì)算我們要解決的問題。所以它的問題遠(yuǎn)遠(yuǎn)更加地復(fù)雜。異構(gòu)的環(huán)境、復(fù)雜的API的調(diào)度、計(jì)算存儲(chǔ)網(wǎng)絡(luò)的調(diào)度。對(duì)于計(jì)算存儲(chǔ)網(wǎng)絡(luò)。每一種這樣三大資源其實(shí)都有非常復(fù)雜的表現(xiàn)的形式。以我剛才舉例的計(jì)算來講，就是容器、Bare Metal和虛擬機(jī)。

邊緣其實(shí)同樣遇到這樣的一個(gè)問題。我在邊緣也可以是啟容器來承載更加復(fù)雜的一些應(yīng)用。而更加傳統(tǒng)的一些應(yīng)用，我可以用虛擬機(jī)。高性能的EDN的應(yīng)用我可以用Bare Metal，對(duì)吧？

所以這也希望給大家一點(diǎn)啟發(fā)，就是云計(jì)算跟邊緣計(jì)算其實(shí)在架構(gòu)上是趨同，他們?cè)谀撤N程度上遇到的問題也類似。帶著這樣的一個(gè)想法我們可以看一下接下來對(duì)邊緣計(jì)算的一些理解可能會(huì)有幫助。

九州云黃舒泉

工業(yè)智能制造與邊緣計(jì)算

工業(yè)革命的演進(jìn)最早其實(shí)是1.0，就是蒸汽機(jī)的發(fā)明，然后他帶來了我們一種新的動(dòng)力。然后到了電力，更方便地去使用各種各樣的一些以電為主要能源的自動(dòng)化的設(shè)備，從而實(shí)現(xiàn)了大規(guī)模的生產(chǎn)。

然后到工業(yè)的3.0，我們有集成電路，我們能夠相對(duì)可編程地自動(dòng)化地去實(shí)現(xiàn)我們一些復(fù)雜的工序。然后到了4.0其實(shí)并沒有提出像之前1.0、2.0、3.0一樣一些完全新的想法。他其實(shí)是說我要把原來很多孤立的一些設(shè)備，通過網(wǎng)絡(luò)把它連接起來。所以網(wǎng)絡(luò)化是4.0非常重要的一個(gè)特點(diǎn)。

另外一點(diǎn)就是智能化。我單單把所有的設(shè)備聯(lián)網(wǎng)其實(shí)并沒有什么用，關(guān)鍵是這些設(shè)備是不是智能地能夠去幫我們做一些事情，以及它能夠不斷地反饋、不斷地去改進(jìn)我的工序，這才是更關(guān)鍵的一個(gè)事情。所以智能化+網(wǎng)絡(luò)化是我們?cè)诠I(yè)4.0非常關(guān)注的兩個(gè)特點(diǎn)。

邊緣計(jì)算在這里面扮演了一個(gè)什么樣的角色呢？其實(shí)邊緣計(jì)算就像神經(jīng)末梢一樣，它賦予了我們?cè)诿恳粋€(gè)聯(lián)網(wǎng)的設(shè)備上的末端的智能化。為什么叫末端的智能化？因?yàn)楦鼜?fù)雜的智能化，非常復(fù)雜的智能化其實(shí)這個(gè)決策還是必須由中心的云計(jì)算做出來的。因?yàn)樗赡苄枰鸭值臄?shù)據(jù)做一些分析。

但是邊緣的智能化也是很重要，這里舉了一個(gè)神經(jīng)末梢的例子。我就以我們平時(shí)大家都會(huì)感受到的一個(gè)例子來說明。比如說我們生火，然后當(dāng)你的手碰到這個(gè)火的時(shí)候，你會(huì)本能地把手指縮回來，因?yàn)槟阋吚芎ΑＫ阅氵@個(gè)縮回來的動(dòng)作其實(shí)是神經(jīng)末梢的感覺。它通過你最末端地智能，本能的一個(gè)反映。這就是我們說邊緣端給予了設(shè)備的一個(gè)反映。

如果你想一下這里有一個(gè)火，你的手碰到了火。你所有的感受到你的大腦里面，你再想兩秒鐘，這是一個(gè)火、很燙，你再收回來。這時(shí)候可能就會(huì)已經(jīng)出現(xiàn)了很大的問題。

而邊緣端其實(shí)就是賦予了我們很多設(shè)備本能的一些反應(yīng)、本能的末端的一些智能。它給予了我們很多IOT設(shè)備感知的能力、智能的一些能力。再往上它把這些數(shù)據(jù)整理了之后可以到云端進(jìn)行全局的分析，然后云端再把它整合的信息通過推送的方式推送到這個(gè)智能邊界設(shè)備邊緣端來不斷提高邊緣端所有的智能。所以是這么一個(gè)統(tǒng)一的結(jié)構(gòu)。

所以從這個(gè)關(guān)鍵的技術(shù)體系和平臺(tái)架構(gòu)，我們可以看到在對(duì)于工業(yè)互聯(lián)網(wǎng)領(lǐng)域最底層的就是這個(gè)邊緣層它主要包括了這個(gè)設(shè)備的接入、協(xié)議的解析以及邊緣數(shù)據(jù)的一些簡(jiǎn)單的處理。

然后處理完了之后它可以把這些數(shù)據(jù)反饋到我們中心服務(wù)器、中心云段的一些IaaS層，比如說就是我們常見的這個(gè)OpenStack這樣的一個(gè)云基礎(chǔ)設(shè)施。

然后云基礎(chǔ)設(shè)施可以管理非常多的邊緣的設(shè)備，成千上萬個(gè)邊緣設(shè)備。然后它把所有的數(shù)據(jù)進(jìn)行一個(gè)匯總，匯總了之后上面有我們工業(yè)PaaS平臺(tái)的一系列的工業(yè)特定領(lǐng)域的組件服務(wù)。比如說這個(gè)機(jī)器學(xué)習(xí)、可視化、數(shù)據(jù)清理、模型建模等等。

再往上可能是一些應(yīng)用層。應(yīng)用層，我可以把這樣的一些數(shù)據(jù)分析處理完了之后，通過一些工業(yè)應(yīng)用的系統(tǒng)，然后我可能是直接地控制某些生產(chǎn)線，也有可能是我進(jìn)行一些報(bào)表。然后給我們的這個(gè)企業(yè)的負(fù)責(zé)人進(jìn)行一些分析。

然后同時(shí)我也可以根據(jù)所有設(shè)備的一些傳感器的情況分析這個(gè)設(shè)備的壽命來進(jìn)行這個(gè)生產(chǎn)線的更替，對(duì)這個(gè)生產(chǎn)量進(jìn)行一些預(yù)測(cè)等等。

我們?cè)倩氐秸麄€(gè)云+邊緣的這個(gè)大架構(gòu)來看。其實(shí)無非就是在我們傳統(tǒng)的這個(gè)用戶端或者終端領(lǐng)域和核心云端加了一個(gè)管道。也就是剛剛給大家最早看的這個(gè)CDN的例子，其實(shí)我們就是在中間加了一層。這一層也是同樣非常地重要。它是跟我們之前在云計(jì)算領(lǐng)域是類似的，它也是有計(jì)算存儲(chǔ)網(wǎng)絡(luò)的資源。它也是需要對(duì)接的一個(gè)設(shè)備，它也是需要對(duì)外提供標(biāo)準(zhǔn)的API。所以它解決的問題、它面臨的問題跟十年、二十年前我們?cè)谠朴?jì)算的領(lǐng)域面對(duì)的問題也是類似的。我們帶著這樣的一個(gè)思路就可以去看邊緣計(jì)算整個(gè)技術(shù)架構(gòu)的發(fā)展。

現(xiàn)在有非常多的邊緣計(jì)算的一些開源項(xiàng)目，主要的有三個(gè)。第一個(gè)是這個(gè)CORD，就是局端的這個(gè)，在電信領(lǐng)域的這個(gè)局端機(jī)房改造的項(xiàng)目。它通過把電信機(jī)房的局端改造成數(shù)據(jù)中心而對(duì)外提供更靈活的資源編排的能力。

然后第二個(gè)是vCO，也是一個(gè)開源的項(xiàng)目，它采用的網(wǎng)絡(luò)編排是以O(shè)penDaylight，然后資源承載是采用OpenStack。

第三個(gè)是最近比較火的這個(gè)Intel和AT&T一起捐獻(xiàn)代碼發(fā)布了這個(gè)Akraino項(xiàng)目。它的網(wǎng)絡(luò)編排是ONAP，然后資源承載也是OpenStack。所以其實(shí)大家看到在邊緣的開源項(xiàng)目中，資源承載這一層其實(shí)還是沿用了原來在云計(jì)算的一些技術(shù)的框架。比方說OpenStack，所以這也是九州云為什么把我們從云計(jì)算的技術(shù)一直把我們擴(kuò)張到邊緣計(jì)算的一個(gè)原因。

我們?cè)俑鶕?jù)剛剛看的那三部分，我們其實(shí)可以看一下總體的、具體里面的技術(shù)分別有什么。主要是三部分，最靠近用戶，我們把它叫做數(shù)據(jù)源，然后中間的叫做edge computing，然后在核心云的我們把它叫做Cloud computing。在Data source這一端，其實(shí)數(shù)據(jù)采集我們就通過IOT設(shè)備進(jìn)行數(shù)據(jù)采集。然后在邊緣端的話其實(shí)它更重要的是一個(gè)數(shù)據(jù)搜集、數(shù)據(jù)的一些加密，然后如何把數(shù)據(jù)傳送到核心云這么一些主要的技術(shù)。

然后它上面的這個(gè)基礎(chǔ)的設(shè)施的管理，我們可以采用OpenStack，然后也可以采用容器化的方式來進(jìn)行一些基礎(chǔ)設(shè)施的管理。

在傳統(tǒng)的云、數(shù)據(jù)中心中，我們可以采用比較常見的技術(shù)架構(gòu)，比如說你采用容器的話，你可以使用這個(gè)KBS，存儲(chǔ)可以采用ceph，然后云平臺(tái)的管理你可以采用OpenStack。再往上就是一些管理性的組件，比如說你可以用ELK來進(jìn)行一些數(shù)據(jù)的分析，采用SAHARA來做Big Data這個(gè)平臺(tái)。然后通過neutron來提供一系列的LB的服務(wù)，可能這個(gè)需要有專門的管理的一些組件來進(jìn)行遠(yuǎn)端的IOT設(shè)備的管理。

邊緣端其實(shí)可以直接地去操控這個(gè)IOT的設(shè)備。因?yàn)樗x用戶更加近，所以他就可以提供實(shí)時(shí)性的操作。比如說某一條產(chǎn)線的變動(dòng)。我通過換一些比如說以紡織為例，我通過剪切這個(gè)布都可以實(shí)時(shí)地進(jìn)行一些操作。

當(dāng)然邊緣端到核心云端，它的傳輸途徑也是很多的。一般邊緣端可能是在，比如說以電信為例，它可能是在局端機(jī)房。那么它可能有較好的網(wǎng)絡(luò)條件，我可以通過互聯(lián)網(wǎng)或者甚至是光纖的方式直接跟我們的云端進(jìn)行數(shù)據(jù)的交互。

當(dāng)然也有可能它本身就是一個(gè)小的基站。那么如果沒有這個(gè)網(wǎng)絡(luò)的話可能就通過LT這樣的一些無線網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)的一些傳輸。

核心云端它扮演的一個(gè)角色其實(shí)就是搜集了非常多的邊緣端的數(shù)據(jù)，然后它進(jìn)行更復(fù)雜的運(yùn)算之后，它可以把相關(guān)的更高的一些分析后的結(jié)果push到我們的邊緣端。然后邊緣端實(shí)現(xiàn)了一個(gè)模型的更新，然后還實(shí)現(xiàn)了自身的升級(jí)。所以這個(gè)是三個(gè)主要的模塊之間他們交互的一個(gè)流程。

我們可以從紡織行業(yè)來看一下邊緣計(jì)算帶給了紡織行業(yè)什么樣的好處。首先紡織行業(yè)其實(shí)都有一個(gè)非常重要的環(huán)節(jié)就是驗(yàn)布。因?yàn)橄襁@么一個(gè)工廠里面，它一塊布匹是非常大的，可能有幾米寬、好幾十米甚至上百米長。然后這么一大塊布只要有一個(gè)小的瑕疵，那么其實(shí)若干米個(gè)布就廢掉了。這個(gè)就對(duì)紡織企業(yè)就是一個(gè)非常大的損失。

那么傳統(tǒng)就是整個(gè)布織完了之后，我需要一個(gè)工人站在這邊不斷地看這個(gè)布匹在滾動(dòng)。一旦有一個(gè)瑕疵點(diǎn)，他就要暫停這臺(tái)機(jī)器，然后用手標(biāo)出這個(gè)瑕疵點(diǎn)在哪里。同時(shí)做上一個(gè)標(biāo)記，在這個(gè)布匹的第幾米有一個(gè)瑕疵點(diǎn)。接下來要做的一個(gè)事情就是這個(gè)機(jī)器需要去把這個(gè)瑕疵點(diǎn)找出來，然后裁掉，接上去另外一個(gè)布，然后繼續(xù)進(jìn)行滾動(dòng)。

所以這個(gè)其實(shí)對(duì)于人力成本是非常地高的。然后對(duì)工人也是有損害的。因?yàn)殚L期看來，一個(gè)工人長期凝視著同一個(gè)顏色的布，準(zhǔn)確性也會(huì)降低，同時(shí)對(duì)視力影響也很大。

所以根據(jù)一些統(tǒng)計(jì)，一個(gè)小時(shí)來講，一個(gè)紡織工可能只能檢測(cè)最多200個(gè)瑕疵點(diǎn)，而且他們每天工作的時(shí)長也是有限的。因?yàn)橐坏r(shí)間過長的話，他總的這個(gè)誤判的程度就會(huì)很高。因此其實(shí)就有一個(gè)想法是說，我能不能通過計(jì)算機(jī)視覺的辦法，通過甚至是機(jī)器學(xué)習(xí)的方法，我來自動(dòng)地找出這個(gè)布匹里的瑕疵點(diǎn)，這樣子我就可以代替人工。然后我通過機(jī)器來標(biāo)注這個(gè)點(diǎn)，然后回頭能不能再自動(dòng)地用機(jī)器去控制這個(gè)布匹裁剪，把這個(gè)瑕疵點(diǎn)自動(dòng)裁剪掉。這樣我就可以完全替換掉人了，我不需要人工去驗(yàn)布。

我通過一個(gè)機(jī)器上面裝上攝像頭，打上相關(guān)的光源，我不斷地在滾。然后這個(gè)攝像頭實(shí)時(shí)地識(shí)別這個(gè)布匹的質(zhì)量。一旦發(fā)現(xiàn)某些瑕疵點(diǎn)，他自動(dòng)地把這個(gè)機(jī)器停下來，然后自動(dòng)地去讓這個(gè)機(jī)器把瑕疵點(diǎn)給裁剪掉，然后再把布匹接起來，自動(dòng)地去滾動(dòng)。這個(gè)其實(shí)是紡織行業(yè)在驗(yàn)布環(huán)節(jié)希望改進(jìn)的一個(gè)點(diǎn)。

所以現(xiàn)在比較多的一個(gè)方案其實(shí)是這么一個(gè)方案。就是說我需要有非常多的車間，有一到N個(gè)車間，然后每個(gè)車間又有非常多的織布機(jī)。然后在織布機(jī)上放了這攝像頭，然后也放了比如說別的一些設(shè)備，像打印機(jī)、光源等等。

這時(shí)候所有的攝像頭需要拍這個(gè)照片，拍了照片之后它再傳輸回我這整個(gè)企業(yè)統(tǒng)一的云平臺(tái)。然后這個(gè)云平臺(tái)對(duì)這個(gè)數(shù)據(jù)進(jìn)行分析。分析完了之后它再把這個(gè)數(shù)據(jù)返回到這個(gè)車間的某一個(gè)驗(yàn)布機(jī)，看看在某一個(gè)地方有這個(gè)瑕疵點(diǎn)，你需要怎么做。

這種傳統(tǒng)架構(gòu)的缺陷就在于往往是一種事后的分析。也就是說我整卷布可能都卷完了，可能還要過一段時(shí)間，我這個(gè)工人才可以拿到這個(gè)報(bào)告說這個(gè)布第幾米到第幾米之間有瑕疵點(diǎn)，我應(yīng)該去裁掉。所以這還有一個(gè)返工的工序。我需要看著這個(gè)報(bào)告把這個(gè)布重新地再打一遍，然后手工地把它再裁一遍。

因?yàn)檎麄€(gè)圖像在網(wǎng)絡(luò)中的傳輸，尤其是非常多的車間的時(shí)候，這個(gè)傳輸?shù)膸捠欠浅５馗叩摹Ｈ缓蠛诵脑破脚_(tái)處理能力也是有限的。所以這個(gè)時(shí)候等到他反饋回來的時(shí)候，其實(shí)這個(gè)延時(shí)一定很高，我不能實(shí)現(xiàn)剛剛說到實(shí)時(shí)的處理瑕疵點(diǎn)的這么一個(gè)事情。

因此我們當(dāng)采用了這個(gè)邊緣云的架構(gòu)的時(shí)候，我們可以以車間為單位，或者是以這個(gè)驗(yàn)布機(jī)為單位。我在驗(yàn)布機(jī)的旁邊可能就可以放上一個(gè)小的計(jì)算設(shè)備。然后這個(gè)計(jì)算設(shè)備它直接跟驗(yàn)布機(jī)的控制單位連接，它直接操作這個(gè)攝像頭、光源以及旁邊的這個(gè)打印機(jī)，它直接完成這個(gè)數(shù)據(jù)的采集。

我預(yù)先在企業(yè)的云平臺(tái)中，我把已有的這個(gè)瑕疵庫的特征給推送到我的邊緣的云平臺(tái)中去。這個(gè)驗(yàn)布機(jī)在邊緣平臺(tái)中跑的時(shí)候，邊緣云平臺(tái)根據(jù)我已有的瑕疵庫先做一部分的識(shí)別。同時(shí)它也會(huì)離線地把這些數(shù)據(jù)再匯總到企業(yè)的云平臺(tái)中。然后有企業(yè)的云平臺(tái)不斷地去更新這樣的一個(gè)模型。所以雖然有可能剛開始我的準(zhǔn)確性是由最原始的瑕疵庫、特征庫來決定的。

但隨著我的車間不斷地跑，我跑越多的布，我邊緣云平臺(tái)的整個(gè)特征或者整個(gè)瑕疵庫它會(huì)不斷地被完善、不斷地被提升。所以這個(gè)準(zhǔn)確率也是不斷地提高的。

然后有了邊緣云平臺(tái)我可以更低延時(shí)地去操作這個(gè)驗(yàn)布機(jī)來完成我想做的一些自動(dòng)化的操作。比如說完成自動(dòng)的裁剪或者自動(dòng)停下來，讓這個(gè)驗(yàn)布工人去手動(dòng)地做一些操作等等。所以引入了一個(gè)邊緣的云平臺(tái)，我們可以更快地在我們的驗(yàn)布機(jī)上做一些自動(dòng)化的操作以及可以避免很多人工的操作，為企業(yè)節(jié)省人力的資源。

所以我們跟我們的合作伙伴進(jìn)行了一些POC之后，其實(shí)可以發(fā)現(xiàn)這么一個(gè)智能的織布機(jī)，其實(shí)它可以在某種布的情況下，比如說我們現(xiàn)在只能識(shí)別這個(gè)特定，就是純色的這種布。因?yàn)閺?fù)雜顏色的這種布其實(shí)對(duì)特征的識(shí)別還是難度比較高的。

在這種相對(duì)簡(jiǎn)單一點(diǎn)的這種純色補(bǔ)助的情況下，我們可以相當(dāng)于五到六個(gè)人的人工織布機(jī)。

然后同時(shí)通過這樣一個(gè)簡(jiǎn)單的項(xiàng)目，我們也幫助我們的企業(yè)完成了整個(gè)統(tǒng)一的驗(yàn)布機(jī)的管理。我可以通過邊緣端采集驗(yàn)布機(jī)的數(shù)據(jù)，在統(tǒng)一的云平臺(tái)中，我可以去看到所有驗(yàn)布機(jī)的一些指標(biāo)，知道驗(yàn)布機(jī)生產(chǎn)的效率是什么，更好地幫助我們的企業(yè)去預(yù)測(cè)整個(gè)產(chǎn)線的一些能力等等。此次的分享就到這里，謝謝大家！

摘自《51CTO》