边缘计算协同人工智能赋能工业智能化场景

工信部《“十四五”智能制造发展规划》中提到的，到2025年规模以上制造业企业基本普及数字化，智能制造装备国内满足率超70%。

工业互联网（Industrial Internet）的加速发展，带来新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态。

人、机、物、系统的全面连接，为工业乃至产业数字化、网络化、智能化发展提供了实现途径，是第四次工业革命的重要基石。

随着工业互联网发展，边缘计算与人工智能也在实际应用中深度融合。功能从过去的数据管理，发展到智能分析决策，数据沉淀整合、技术创新迭代的新层面。

边缘计算、人工智能等新一代信息技术在制造业领域加速创新应用，实现材料、设备、产品等生产要素与用户之间的在线连接和实时交互，逐步实现机器代替人生产，智能化制造是未来行业的发展趋势。

边缘计算+人工智能

边缘计算把云计算的好处带到了现场层，提供了一个很好的平台，使得工程师能够在生产车间这种基层现场开发部署各种应用，比如数据分析、质量检测等。边缘计算使基层工业设备获得了一定的自主计算能力，让企业生产制造相关的开发维护成本大大降低。

但想要更进一步提高智能化制造的水平，还要借助人工智能。"人工智能 "和 "边缘计算 "两者的结合可以产生1+1大于2的效果。人工智能在应用时，其算法模型往往需要不断迭代升级，想把现场端的传统设备全部升级比云端升级所消耗的时间与资源成本更高。

而边缘计算能够为算法的开发和部署提供良好环境，将边缘计算部署在现场端后，可以很好地支持应用分发和模型迭代，与云端分工协作，云端负责算法迭代，边缘计算机负责接收新算法在现场端执行。

敏感数据的保护

人工智能想要运行就需要做相应的数据采集，本地的数据采集和处理正是边缘AI计算机擅长的部分，直接采集底层数据，在现场运行计算，这不仅提高了处理速度，还可以保证很多数据在本地计算，避免敏感数据的泄露。

边缘AI计算机

有些OEM企业不希望全部生产数据都上传到云端，主要有两个原因：第一是数据量太大，造成云端压力和流量费用过高。第二是数据的安全性。客户不想轻易将大量敏感的生产和质量数据上传到公共云中。边缘计算与AI结合起来，正好解决了用户的这些担忧，可以将更多的数据处理下沉到现场端。

边缘计算与人工智能叠加，对现有的工业自动化技术产生实质性的改善，更好地实现车间层面的各种新的智能应用场景落地。

设备预测性维护AI巡检

预测性维护是目前工业领域比较普遍的需求。很多现代高端生产设备都会有复杂的结构，成百上千个零部件，一旦某个零件性能下降或即将损坏，就可能导致整条流水线的生产力下降，甚至全线停工。

传统人工巡检不易发现运行中机组内部潜在故障，AI 巡检系统采取云边协作的模式，云端获取关键数据，人工智能利用数据生成算法模型，将算法下发现场端的边缘AI计算机，后者对数据抓取、存储、处理，实时监控生产设备状态，异常预警，而后将关键数据回传云端，迭代算法。

案例丨内存生产设备AI巡检

AI 巡检系统通过多点位部署在设备内的振动传感器，实时抓取分析数据，提前预判风险，减少停机维护次数，降低非预警损坏，延长设备使用寿命，提高效率，同时节省云存储资源和传输数据所需的带宽。

机器视觉AI质检

传统人工检测精度低，长时间工作后，准确度也会受到影响，检测速度也比不过机器，更多的企业开始使用AI质检代替人工检查。

机器视觉AI质检是用相机镜头代替人眼，用图像处理软件代替大脑，对产品进行检验或识别处理的方式。

基于视觉的自动化检测又可分为定量检测与定性检测。定量检测通常是从量的方面分析，如加工精度、含量数值等检测。定性检测则是从质的方面进行分析，比如产品的外观检查、零部件定位、装配完整等检测。

与人工检查相比，机器视觉检查更加可靠和高效。机器视觉检查是根据预先设定的算法进行判断，当算法设定好后，就可以连续检测，机器不会疲劳。对于较小的元器件，用肉眼是比较难发现的，而视觉检测有光学放大作用，所以对于较小的元器件的检测有较大优势。

案例丨香烟包装视觉AI检测

在包装机后置检测系统，控制主机支持双PCI 接口扩展视频采集卡，搭配高清相机，对传送带上的香烟盒包装进行快速检测，判断不合格的产品自动分离，主机采用无风扇密闭机身，能够可靠的连续工作。

边缘AI计算机的出现，让工业互联网场景下的边缘智能在效率提升、降低运营成本和保障数据安全方面具有更多优势，是未来工业自动化领域的发展方向。