近日, 由中国移动、华为、凌云光等单位牵头,ECC边缘计算产业联盟、IVIA智能视觉产业联盟及CMVU机器视觉产业联盟共同编写的《边缘计算视觉基础设施白皮书》(以下简称“白皮书”)正式发布。该白皮书聚焦于工业、安防、体验交互三大领域,从应用场景及业务需求、发展趋势和面临的挑战出发,提出未来构建边缘计算视觉基础设施的技术框架,并结合标准研究、产业实践进行论证。凌云光作为牵头单位重点参与工业领域和体验交互领域的应用场景及需求内容编制工作。

白皮书中提出:边缘计算2.0主要包括三类落地形态,云边缘、边缘云和边缘网关;围绕边缘计算的技术体系构建,一方面涉及相关通用技术的应用,主要包括计算、存储、连接、云、视觉、人工智能等;一方面涉及边缘计算特有的技术能力,主要包括边缘原生、边云协同、边缘智能、边缘连接等。

白皮书选取工业领域机器视觉应用场景,如自动化产线质检、工业机器人视觉引导与检测、智能工厂,对云边缘、边缘云和边缘网关进行了详细的阐述及介绍。智能工厂对边缘端视觉的需求是:端侧视觉系统实现对被测物的各种缺陷的检测与分析,将端侧采集的数据传给边缘端视觉系统,进行算法分析,再将分析结果回传给端侧专机,快速实现设备生产端的应用。同时边缘端视觉系统要能与云服务器通信,通过云平台的大数据管理实现智能工厂。

▲智能工厂典型应用场景

“目前,传统工厂自动化加工设备覆盖率低,信息化建设存在断层,车间管理成为黑匣子,生产系统各个相关环节成为信息孤岛;智能工厂通过技术加强信息管理服务,提高生产过程可靠性,减少产线人工干预,并能合理计划排程。”凌云光技术总监认为。“但随着传统视觉向AI工业视觉转变,高性能CPI/GPU的普及,端侧算力成本正急剧上升。同时,当前工厂大多以固定工位单机部署,本地化维护成本居高不下。”“

对此,凌云光推出了边缘端智能处理盒GBOX及边缘端嵌入式智能视觉处理系统,通过分布式架构,简化布线,将系统高度集成;将采集的图像数据在边缘端处理,提高边缘端决策的实时性,并减轻回传通道的带宽压力;通过嵌入式处理架构,大幅提升系统稳定性及可靠性;减免工控机和采集卡的应用,支持多相机介入,减少边缘端处理设备梳理,优化整套检测系统成本。

▲一拖多分布式架构示意图

同时,数据作为建设智慧工厂的核心,在架构上包括数据获取、数据分析、数据应用。除了对常规的制造数据、业务数据进行整合,质量数据的加入为工厂管理注入灵魂。通过质量全环节数据与品质数据的综合利用,进行工业大数据的分析,进而做出企业决策。

凌云光认为,迈向智能生产管理,产生收益和效能的三个步骤分别为以智能装备为核心的端的布局、以智能产线管理为核心的边的布局和以智能工厂决策为核心的云的布局。

第一步: 创新工艺&科学可度量的品质控制, 解放工人

第二步: 建立质量大数据, 利用GMQM+大量AI完善品质管理, 替代管理者

第三步: 智能生产管理,以质量和效能改进为目的, 使用大量的AI技术, 实现智能生产管理的 SmartFabrication.

围绕边缘视觉领域的探索方兴未艾,正在迎来蓬勃发展的产业机遇。视觉能力将逐步成为类似于算力、连接的一种基础设施能力,视觉将无处不在。一方面,正如人类信息获取的来源80%来自于眼睛,随着万物感知、万物互联、万物智能时代的到来,必将带来视觉能力无所不在,推动视觉能力成为数字世界的基础设施能力之一。另一方面,边缘计算作为新兴的计算架构,在连接、实时、数据优化、智能、隐私安全等方面具备天然优势,是实现万物感知、万物互联、万物智能的核心基础,支撑推进实体经济的数字化转型。