邊緣視頻分析(EVA)從雲中汲取智慧

有一些原因使在Edge上進行計算比在Cloud中進行計算更好。 EVA實現了這一目標

人工智能(又名AI)無處不在。它用於分析圖像和視頻,並通過該分析可以檢測和識別物體和人物,並得出可操作的信息。儘管這項技術的好處很多,而且我們只是在探索可以完成的事情的表面,但這是一項相當複雜的技術,需要大量的計算資源。

<br />人工智能 (AI) 就在這裡。我們在邊緣執行的 AI 越多,我們可以期待更好(更快)的分析。 (圖片來源:builtin.com)

人工智能(AI)在這裡。我們可以在Edge上執行的AI越多,我們期望的分析效果就越好(更快)。因此,大多數與AI相關的計算都在存儲大量計算資源的雲中進行。但是,雲計算會帶來一些負擔,其中最重要的一點就是與必須將數據從Edge遷移到雲相關的延遲。對於大多數任務關鍵型應用程序和業務關鍵型應用程序,這種延遲將被認為是不可接受的。

雲計算的第二個“缺點”是,用於傳輸信息的介質很快就會變得非常昂貴。視頻數據變得非常快,這意味著傳輸數據的成本相應增加。

最後,還有安全性問題。儘管雲本身可能是安全的,但很難確保沿途的每個節點也都被鎖定。

EVA提高可見度,安全性

得益於計算技術和AI算法的最新進展,現在可以執行邊緣視頻分析(EVA),這項技術可以在數據起源的Edge上實時執行視頻分析。

之所以可能這樣做,是因為許多AI算法(例如涉及矩陣運算的AI算法)都受益於並行處理,而當與 圖形處理單元(GPU)。最新的GPU設計有數千個小型處理器,每個處理器都有自己的本地內存。在EVA應用程序中,GPU以大規模並行方式執行視頻分析AI算法。

如果在不久的將來使用EVA變得相對普遍,請不要感到驚訝。以下是三個真實示例,這些示例均使用ADLINK邊緣計算平台來演示EVA的功能。首先是與海上鑽井平台一起運行的系統,該平台顯然在極端惡劣的環境中運行。它們必須承受衝擊,振動,電源噪聲,大範圍的溫度波動,高濕度和鹽水。此外,Internet連接可能非常不可靠。

<br />凌華科技驅動的EVA可以大大提高海上石油鑽井平台的安全性。 (來源:imeche.org)

得益於凌華科技提供的EVA,可以大大提高海上石油鑽機的安全性。在此示例中,添加了凌華科技邊緣計算系統的高分辨率攝像機可以監控主鑽頭組件。當夾具固定在鑽孔設備上時,系統可以觀察夾具的速度和位置,並在出現問題時立即警告操作員。第二個好處是,它可以識別人類,因此可以在一個人闖入他或她不屬於的地方時發出警告。

接下來是包含高速列車的示例。在提供諸如減少擁堵和提高生產率等好處的同時,火車可能會因為僅以如此高的速度行駛而變得危險。操作員只需較少的時間來響應軌道上的障礙物(例如動物或人)或軌道上的變形。

由凌華科技邊緣計算系統推動的高分辨率攝像頭可以檢測到可能在一公里外的賽道上的問題。請記住,列車上安裝的系統必須能夠承受法規要求之前的衝擊,振動和嘈雜的電源。

下一個示例是現代機場。客運量持續增長已不是什麼秘密。實際上,在世界上最繁忙的機場,每架飛機都可以起飛或降落 35 至 45 秒左右 200,000 至 300,000 每天都有乘客。由於有如此多的人,飛機,其他交通工具等四處走動,因此出現問題的可能性很高。

<br />使用凌華科技驅動的 EVA 可以增強機場使用的許多方面。這包括任何移動的交通工具,例如飛機和電車。 (來源:airport-technology.com)

借助凌華科技提供支持的EVA,可以增強機場使用的許多方面。這包括任何移動交通工具,例如飛機和電車。 (來源:airport-technology.com)得益於凌華科技的邊緣計算系統,亞洲的一個機場都提出了解決方案。在那裡,邊緣計算系統不斷監視跑道,滑行道和碼頭,以檢測和識別潛在問題。實時視頻來自安裝在控制塔頂部的十個攝像機。每台攝像機的分辨率均為4K,實時將圖像拼接在一起,以提供無縫的360度全景視圖。 EVA的人工智能係統觀察滑行飛機,人員和其他活動的動向。如果情況不正常,則會向操作員發出警報。

另外,邊緣計算系統直接連接到調度系統,因此它知道已指示哪些飛機著陸,起飛和滑行,以及在任何給定時間它們應該在哪裡。如果飛機沒有按照預期執行操作,則會發出警報聲。雖然今天沒有啟用,但邊緣計算系統有可能接管情況的控制並向操作機器的人員發出指令。

凌華科技使EVA成為現實

凌華科技設計和製造多種產品,用於 dge計算。該公司的邊緣計算解決方案包括GPU加速的板級,系統級和服務器級產品,使系統架構師能夠為單個EVA應用構建和優化系統架構。

如我們所見,邊緣計算系統通常必須部署在惡劣的環境中,並且還必須表現出最高的可靠性。凌華科技的邊緣計算解決方案完全可以勝任,因為其堅固耐用的設備已經針對此類目標環境進行了全面認證。

大多數工程師都熟悉NVIDIA的現成GPU卡及其集成的散熱風扇。不幸的是,這些卡雖然功能強大,但並不總是適合於EVA應用,部分原因是現成的卡通常具有較短的商業壽命(1.5年)。然後添加,系統的冷卻風扇可能會導致故障。如果風扇停止工作,則係統停止工作;並且,如果系統停止運行, 一切 停止工作。

對於我們在這裡討論的邊緣計算GPU子系統以及其他類似的子系統,凌華科技的工程團隊採用了NVIDIA的GPU,並將其設計在MXM模塊上,該模塊的外形尺寸比傳統顯卡要小。但 MXM GPU模塊 不要犧牲性能。實際上,這些MXM GPU模塊提供相同的處理能力,同時消耗更少的功率(並產生更少的熱量)。而且它們比傳統的圖形子系統具有更長的商業壽命。

展望未來,很明顯,採用邊緣視頻分析的系統將部署在各個不同的位置,執行一系列應用程序,所有這些旨在使我們的生活更輕鬆,更安全。並且請放心,凌華科技將保持在這一新興技術的最前沿。

作者:贊恩·蔡
作者:贊恩·蔡

凌華科技嵌入式平台與模塊平台產品中心總監