边缘智能应用程序和服务
随着信息技术的发展以及5G，人工智能和物联网时代的来临，人们对应用程序的响应速度和传输能耗提出了更高的要求。在数据传输，抽象，分段和简化数据之前对数据进行预处理已成为必要的选择，并且边缘计算应运而生。边缘计算解决方案使数据分析和处理更接近物联网设备，有效地分担了中央数据处理的压力，同时，加快了数据处理速度，缩短了数据传输距离，从而消除了带宽和延迟问题。
边缘智能
近年来，深度学习和边缘计算机作为两种代表性技术，促进了人类技术的发展。深度学习受益于算法并提高了生成效率，但并未使终端流行。原因是其终端计算存储和其他资源有限。边缘计算得益于云计算，后者使用网络边缘对数据进行分类。部分数据在边缘节点处进行了预处理或处理，以减少网络延迟并增强实时性能，从而实现更高效的数据处理，但由于高密度的部署和计算，它还会消耗太多资源。因此，边缘智能的出现可以缓解这两个问题。边缘智能的产生来自深度学习和边缘计算，也就是说，将边缘计算与人工智能和其他应用程序相结合，将云计算的数据处理能力下沉到边缘节点，从而在边缘节点执行计算处理，从而提供先进的数据分析，场景感知，实时决策，临时离线等服务功能可满足实时业务，敏捷连接，数据优化，应用智能，安全性和隐私保护等行业数字化的关键需求。物联网和5G时代的到来为边缘智能提供了广阔的世界。 5G与物联网和边缘智能的结合相得益彰，为用户提供了更加极端的体验。
1.1物联网时代
使用物联网的工业级单位将平均拥有100,000多个传感设备。如此众多的传感器收集的信息将被整合到一个中央存储平台中。如果仅使用50Hz的采集频率，则每次数据传输为100字节，每秒收集大约500兆字节的数据。边缘智能无疑在数据集成，预处理和集成中起着至关重要的作用。
1.2 5G时代
5在2020年的5G商业年中，理论峰值峰值可达到每秒数GB。如果5G局域网没有专用的云存储数据，那么即使最快的数据传输也只是just头。尽管5G速度发展迅速，但同时也需要硬件设备。移动边缘智能技术的出现可以预先处理数据，从而减轻数据处理中心的压力和带宽问题。
02
边缘智能应用
边缘智能在各个行业都有潜在的应用市场，尤其是对于云计算和其他行业（例如电信运营商）而言。边缘智能可以从人工智能和边缘计算领域开始，例如在人工智能领域中添加与边缘计算相关的内容，以将其性能提升到最佳状态。在诸如边缘计算之类的计算领域中，引入并设计了智能硬件和算法。一种更合适的网络节点部署方案。因此，边缘智能的行业应用市场主要包括需要实时提供数据或预测性维护的工业物联网，智能安全，智能车辆，AR / VR等行业。从无人驾驶系统，无人驾驶汽车和智能安全，分析和总结的角度来看，以下是边缘智能的潜在产业。
2.1？无人监考系统
无人值守系统将数据分析中心分布在每个测试室的智能设备上。它可以从监视设备捕获的图像和视频中自动压缩和提取人像，并根据候选人的行为模型识别和判断候选人的行为。候选人记录可疑违规的时间，从而实现零人工成本。
与传统的基于远程监控的无人看守相比，传统的无人看守有两个主要缺点：无人看守和裸露的看守，盲点；监控摄像机占用大量网络资源和存储空间。监控范围太广，难以及时发现违规问题，这既耗时又效率低下。基于边缘智能的无人驾驶系统应主要包括两个最关键的功能模块：信息筛选模块和信息分析模块。其中，第一边缘节点模块的信息过滤模块参考相机侧的图片和视频的预处理，并使用目标检测来选择候选对象。第二边缘节点的信息分析模块主要使用监督学习和卷积神经。结合在线学习来识别作弊行为。
2.2？自动驾驶汽车？
目前，与普通的人类驾驶汽车相比，谷歌开发的自动驾驶汽车具有智能，系统，实时的信息反馈，系统独立，系统运行的特点。
自动驾驶汽车主要分为基于传感器的汽车和基于连接的汽车。接下来提到的自动驾驶汽车基于它们自己的传感器，例如相机，汽车激光雷达和惯性陀螺仪。感测诸如路标和车辆行人的道路状况，并且所获得的数据由计算机系统处理以控制车辆的转向和速度并使其成为安全的无人驾驶汽车。
其中，基于图像处理技术的车辆识别技术需要来自安装在汽车上的CCD摄像机的图像信息。通过图像过滤，可以更清晰地显示图像的边缘。使用Sobel算子和二进制运算来增强边缘，并突出显示检测目标的边缘信息，使其更加可见并更容易识别目标。在此基础上，可以将车载设备的CCD摄像机用作边缘节点，并且可以对基于云计算中心的计算进行边缘处理并将其下沉到边缘节点，从而对图像进行预处理。在CCD相机上对图像进行滤波，边缘增强等操作，然后在第二个边缘节点或云计算中心集中处理图像返回的数据。
2.3？智能安全
目前，安全系统主要涉及阶梯网络，公共安全，智能教室，智能家居等多个领域。它主要使用智能预配置和边缘化来获得更高的实时服务。其中，基于边缘智能的电梯网络是指电梯行业，它通过各种传感器终端实时监控电梯运行数据并进行一定的分析，并预先进行设备的按需维护，大大减少了故障的发生。电梯率；基于边缘智能的公安系统是指公安系统，通过摄像头来处理可疑的盗窃和其他违法行为，是否进行盗窃的初步分析，并通过各种智能方法提醒相关人员；智慧教室和智慧城市，采用大数据和人工智能，引入大量传感器，可穿戴设备和相机，从各个维度分析和评估教学过程，以提高教学质量；基于边缘智能的智能家居主要用于利用现有的虚拟化技术将各种云融合到个人计算机中，并将个人计算机设置为边缘节点，从而有效地实现系统节能管理。
在一些需要实时分析的行业中，或者在偏远地区或技术资源有限的行业中，边缘智能无疑提供了更便捷的服务，并在一定程度上实现了节能管理。
03
的边缘智能的优势
通过对无人驾驶系统，无人驾驶汽车和智能安全性的上述介绍，我们可以看到基于边缘的智能系统相对于传统系统操作具有潜在的优势：3.1强大的实时性能
由于边缘智能是通过网络边缘设备通过预处理实现的，因此，面对任务请求和少量计算，边缘设备在处理数据时可以节省时间和速度，并且可以提供一些本地脱机服务。
3.2网络压力低
由于数据已经在物联网的大多数边缘设备中进行了处理，因此减少了与云通用服务器交换的数据，因此网络传输压力小于云计算的网络传输压力，占用的带宽较小。
3.3位置识别
对于需要基于位置的应用程序（例如无人驾驶汽车和智能交通），边缘智能可以将终端设备的位置数据上传到上层边缘节点进行处理，从而使边缘设备更有利于获取设备的当前位置信息。对象及相关的处理和预算。
04
挑战
尽管与传统智能系统相比，边缘智能的优势显而易见，但是如果要发展，它们将面临以下挑战：4.1高传输成本
在成本方面，主要考虑了传输能耗造成的问题。对于给定的任务，有必要测量任务迁移所需的能耗和本地执行所需的能耗。如果仅基于任务特征，则数据量较大。当带宽较大而带宽较低时，本地边缘设备的性能会更好。但是，它没有考虑信号变化，网络状况和剩余电池容量等因素。因此，实验结果不能适应更复杂的情况。
4.2安全与隐私
边缘计算在保护用户隐私方面仍然面临以下挑战：由于边缘计算的异构特性，攻击者可以轻松获取目标的相关节点，并且可以直接攻击整个节点所在的服务区域，从而导致整个节点的安全。瘫痪的地区;在为所有人提供多样化服务的时代，由于边缘智能的本地化服务特性，对边缘智能设备或其网络设施的攻击也变得多样化，从而威胁到用户的个人隐私和安全性。
因此，建立安全评估系统以测试边缘设备中运行的程序并改进与安全性和隐私保护有关的信任管理技术，协议和网络安全技术等相关技术非常重要。
4.3有限的计算存储资源
对于智能教室等方向的应用数据，视频数据具有计算量大，时延低的特点，因此可以构建简单的网络模型，但对于复杂度高的智能系统，需要协调云和网络边缘处理，如何部署云，边缘网络和边缘智能设备来提供计算和存储资源已成为一个巨大的挑战。
减少4.4个边缘设备
在选择具有计算能力的相关硬件产品时，您需要考虑计算能力是否满足其软件开发框架，硬件功耗和成本是否在可接受的经济范围内以及硬件的安全性和可靠性是否很高。逐层排除，几乎不需要硬件。部署边缘节点时，需要互连数千个IoT设备。考虑到当前的技术发展，硬件通常不足以支持诸如高计算能力的基本条件。因此，增加边缘设备的部署和制造已成为当务之急。重量。
05
结束语
边缘现在，边缘计算和深度学习正处于快速发展阶段。在不同的情况下，不同类型的客户的需求有很大不同，因此边缘智能提供的网络体系结构和硬件形式也各不相同。对于不同的应用程序，需要及时调整网络体系结构中节点的部署以及硬件设施中的计算支持。对于部署节点以及节点的具体部署方式没有统一的答案。
全网数据为大家提供专业的深圳服务器租用，深圳服务器托管，深圳主机租用，云服务器租用等国内外服务器相关资源，详情欢迎咨询客服了解。
