使用統一式安全解決方案,讓安全防護滴水不漏

我們太過習慣透過電腦或智慧手機螢幕過濾這個世界,很容易忘記現實生活中的危險與擔憂。但網路安全並不是浮上枱面的唯一問題。為了保護我們的員工、產品、工廠,甚至是野生動物,仍有必要採取實體安全措施。

我們與視訊管理軟體領導者 AxxonSoft 的銷售工程師 David Trujillo 對談,內容不僅涵蓋防止盜竊和損壞,也探究為希望保護人員、財產與資產的企業解決現實世界中的挑戰。他探討了純一式安全系統的定義與優勢、AI 在該系統中所扮演的角色,以及一些出人意料但引人入勝的使用案例。

現今的實體安全領域有哪些特點?

我首先要說的是使用雲端技術提供安全解決方案的服務方法。有些例子是影像監控和門禁系統。但有鑑於安全系統本身必須在現場部署,那麼雲端型解決方案在這種情境下代表什麼呢?雲端服務一般充當從裝置收集、儲存及分析資料的管理系統。它也管理使用者權利,並提供對管理和控制監控介面的存取。

這類似於 SaaS 方法。舉例來說,影像監控即服務(或 VSaaS)系統可以將影像封存檔儲存在雲端,您只需在現場安裝攝影機即可。或者,您可以進行混合式部署,現場同時有攝影機和影像儲存,但也有雲端服務用於遠距影像監控和系統管理。雲端系統解決方案為使用者帶來許多好處:前期支出低、大規模部署易於擴展、開箱即用的遠距監控,以及透過實支實付模式進行清晰的成本規劃。

另外值得注意的兩大趨勢是整合和人工智慧的使用,即神經網路影像分析。第一項是整合式解決方案,透過更有效的配置來提高效率,這是在獨立系統上無法實現的。影像監控可與門禁、煙霧和火警探測器、入侵警報,甚至是大樓自動化系統相互結合。例如,一旦觸發警報感應器,即可將影像監控軟體設定為立即向操作員提供附近攝影機的影片饋送,使該人員迅速瞭解情況,並作出相應的反應。另一個例子:當最後一名員工在一天結束時離開場所,您可以將其設定為自動熄燈,通風系統則調整為較低的強度。您也可以同時啟動入侵警報。在很多這樣的場景中,自動化能使設施更安全、更節能,也更符合成本效益。

整合式和統一式安全之間有什麼區別?

它們通常可以互通;但一般來說,「整合」一詞通常包含更廣泛的解決方案。一起試想一下您擁有影像監控和門禁系統的例子。有人在讀卡機上刷門禁卡時,影像監控系統會從門禁系統接收事件,然後觸發影像錄製。如此一來,每次有人通過門禁點,您都能取得影像記錄。事件本身可能包含員工的姓名和 ID 號碼,因此系統可以快速搜尋影片中的那些參數。在此事件型的整合範例,各系統皆為獨立式且具有各自的使用者介面、獨立配置、硬體等。

「統一式」表示更深層的整合,其中統一式軟體管理所有裝置,包括範例中的視訊攝影機和門禁裝置。那麼,這有什麼好處?首先,有一個用於錄影和門禁的單一介面,並輔以 3D 地圖等其他功能。身分證持有者的門禁資料庫照片可能顯示於攝影機拍攝的臉部影像旁,外加其姓名、職稱和其他任何相關資訊。如果照片相符,您可以手動授權門禁出入;如果不相符,您也可以採取適當行動。您可以在單一介面完成所有動作,無須在不同視窗之間切換,您也可以在同一處監控硬體狀態或系統健康等技術周邊。

統一式安全還有什麼其他好處?

好處包括實現了在獨立式系統中無法使用的新功能。它會根據來自多個來源的資訊改善情境分析,同時減少操作員必須處理的資訊量。如此一來,操作員的工作會更有效率,進而減少出錯的可能性。此外,開放式平台解決方案可讓您整合不同製造商的設備,並從單一控制中心管理所有設備。這樣可以透過減少所需的軟硬體數量,將設施中的配備成本降至最低。

這不僅侷限於安全系統。例如,通常包含在門禁系統中的考勤系統可與公司會計系統整合,提供高效且自動的工作流程。交通執法攝影機可與系統整合,對違規行為處以罰款。許多解決方案可以透過相互操作改善安全性,並最佳化業務流程。 

談談 AI 在實現這些機會中所扮演的角色。

AI 通常用於準確偵測特定形狀和物件。在安全相關應用的背景下,對 AI 的最大需求是偵測保護區內是否有人員入侵,特別需要解決大量不相關的動作,例如樹葉搖曳、水面泛起漣漪、降雨等。一個簡單的動作偵測倘若擷取所有移動的東西,會產生許多誤報。AI 可協助過濾誤報,讓操作員不必為此分心,只要專心處理實際威脅即可。如果每件可能造成威脅的事都會引起警報,操作員很快就會學會忽略它們;一旦真有嚴重事件發生,他們可能會錯過。

AxxonSoft 如何確保資料隱私?

世界各地的許多不同地區,有著各種地方法規以這種方式保護人們的權利,例如歐洲的 《一般資料保護規則》和加州的《加州消費者隱私保護法》。當然,AxxonSoft 提供的功能可讓 影像管理系統符合這些法規。我們能做的有很多,包括模糊人們的臉部,甚至是全身;AI 分析系統能夠偵測人員的位置,相應地只模糊那些細節,而非整張影像。我們也可以遮蔽鏡頭中可能不適合觀看的特定區域,並控制人員的檢視權限。

企業在加入這些新功能時面臨哪些挑戰?

實施統一式安全系統比實施獨立式安全系統更為複雜。您不只需要更具資格的整合商,可能還需要進行自訂整合與功能增強。這對於大型企業系統或全市公共安全設施等高階安裝至關重要。

我知道很多人關注的焦點是:「這個系統是否和我現有的攝影機相容?」這個問題我們銘記在心。我們希望自家系統與現有的系統相容,人們無須拆掉攝影機再安裝新機。

有什麼 AxxonSoft 實現這些能力的客戶範例或使用案例?

我們有幾個很好的例子。以 AI 人類偵測的案例來說,我們在南非的野生動物保護區實施了這項技術,那裡的系統性盜獵是野生動物一大災難。大多數發生盜獵犯罪的園區都設有柵欄,但周邊安全系統和影像監控對保護這些區域的成效不彰。由於動物本身常撞上柵欄,導致系統產生相當多的誤報。安全人員無法監控每個事件,當盜獵者真的入侵,他們也常誤讀威脅。AI 人類偵測透過區分人類與動物,解決了這個問題。

自訂訓練的人工智慧分析有個例子是偵測個人防護設備,用於加強工作場所安全。它可以定位沒有戴安全帽、穿高能見度背心或其他防護衣的人;該系統實際上可以獨立偵測某人的頭部、軀幹和腿部,檢查是否佩帶合適的裝備。您可以將它與門禁整合;透過先發制人的偵測,系統變得更有效率。攝影機可安裝在門禁點;員工刷門禁卡時,旋轉門只有在他們身穿防護裝備時才會開啟。

影像監控與第三方系統的整合也廣泛用於銷售點的收銀員作業及監督。影像監控系統從收銀機接收資料,然後將其連結至影像饋送;例如,您可以將收據的文字疊加在影像上。您也可以使用收據中的資料(如產品名稱、價格或交易金額)快速搜尋錄製的影片。它確實提供了結帳時收銀枱上發生的事件全貌,可用於揭露傳統影像監控幾乎無法偵測的違規行為。

AxxonSoft 如何與業界其他公司合作?

我們一直與 Intel 和其他軟硬體製造商合作。但 Intel 處理器是我們客戶使用的大多數安全系統伺服器的核心。AI 影像分析非常耗費資源,因此硬體-AI 加速對於建立符合成本效益的解決方案至關重要。我們將 Intel 的 OpenVINO 工具組用於電腦視覺應用;透過跨 Intel 硬體(包括加速器)擴展工作負載,最大化效能。我們的 AI 分析可同時在 Intel 處理器和加速器上執行。

我們也套用 Intel® 高速影像同步轉檔技術,該技術適用於搭載嵌入式 GPU 的 Intel 處理器。它為影像解碼提供硬體加速。AI 分析並不是唯一需要繁重電腦處理的流程;影像錄製也可能是一項要求嚴苛的任務。因此,我們在伺服器與客戶端都使用高速影像同步轉檔技術。

我們也與 IP 攝影機製造商合作,支援嵌入式影像分析和其他進階功能,如智慧解碼器。「嵌入式影像分析」指的是執行自身類型 AI 偵測的攝影機,這類偵測與我們的解決方案完美整合。AxxonSoft 是 ONVIF(Open Network Video Interface Forum,一個開放的產業論壇,為 基於 IP 的實體安全產品提供及推廣標準化介面)的貢獻成員,而我們也致力支援最新標準。

AxxonSoft 是一家非常重視合作夥伴的公司,許多整合與功能增強皆根據合作夥伴的要求及其特定專案需求而制定。我們始終樂於傾聽合作夥伴與客戶的心聲,為廣大業界與各方應用打造最合適的解決方案。

相關內容

若要進一步瞭解統一式安全,請收聽播客統一式安全解決方案的重要性:使用 AxxonSoft。若要瞭解 AxxonSoft 的最新創新技術,請在 Twitter @AxxonSoft_ENLinkedIn 上追蹤。

 

本文由 Erin Noble 編審。

AI 生物識別系統實現大眾運輸營運現代化

都會鐵路運輸讓我們的城市更宜居,且能永續發展。然而,鐵路營運商發現,大規模運輸系統在發展初期遇到了許多困難。結合 QR 代碼和票卡的自動收費(AFC)系統就是一個很好的例子。鐵路營運商轉為使用 AFC,來解決乘客增加所帶來的諸多問題,包括票務機面臨的瓶頸、過度擁擠所帶來的安全問題,以及因大量且雜亂無序的乘客所導致的效率低落問題。

而雖然 AFC 解決方案已改善人工售票的困境,但仍有許多挑戰。

大眾運輸 AFC 解決方案製造商 Huaming 的銷售總監 Hukemei 表示:「票卡使用效率不彰,而 QR 代碼的系統有個很大的問題,就是在訊號差、或是乘客手機沒電的時候就無法運作。」「此外,目前解決方案採用的大部分硬體並不堅固,所以當這些系統遇到都會鐵路中常見的極高溫和強烈振動時,就會導致問題。」

一直以來都未有更好的替代方案。而現在,AI 電腦視覺技術、針對特定目的而打造的邊緣 AI 硬體,以及 AI 軟體開發工具組(SDK),實現了支援手掌靜脈辨識的新型 AFC。這類解決方案可以讓都會鐵路運輸更安全、更簡單且更有效率。而這種生物識別技術也能應用於其他情境中。

邊緣 AI 提供技術,可應用於生物識別票務機

手掌靜脈辨識是一項高科技,但主要優勢是來自於人體生理學。人類手掌的靜脈紋和指紋一樣具獨特性,且會在成年後保持紋路不變。當然,相較於智慧型手機,手掌辨識並不需要依賴行動網路或電池。因此,手掌靜脈辨識非常適合用於生物識別:它們能保持一致性,難以造假,而且「一直在可用狀態」。

但若要能利用這些生物優勢,就需要一定的技術純熟度。Huaming 的 AFC 解決方案結合數種邊緣 AI 技術,能為都會鐵路營運商提供全方位的售票系統。

乘客首先需在客服機台註冊自己的手掌靜脈紋。這可將生物識別資料與其使用者資訊連接,乘客就能在智慧剪票口使用手掌識別與自動付款功能。

乘客進入月台時,只要手放在掃描器前方即可,掃描器會運用近紅外光線擷取手掌靜脈影像。邊緣 AI 裝置會執行特徵擷取、加密和壓縮,然後將產生的資料傳送至邊緣伺服器,對比是否相符。平均而言,約十分之一秒即可完成驗證。

為 AI at the Edge 打造的硬體和軟體

從乘客角度而言,手掌靜脈辨識就和伸出手一樣簡單。但背後則有許多複雜運算在進行。

「對乘客而言,生物識別 AFC 解決方案必須用起來順暢無礙,對鐵路營運商而言則必須保持高度穩定」Hukemei 表示,「但這就需要執行複雜的電腦視覺和 AI 處理工作,這是邊緣技術且需大規模進行,容錯空間極小。」

為了開發可邊緣提供處理高效能 AI 的解決方案,Huaming 運用了多項 Intel 技術:

  • Intel Atom® X6000E 處理器讓邊緣 AI 裝置如虎添翼,提供高效能電腦視覺和邊緣 AI 處理平台,即使在極端條件下也能正常運作,十分可靠。
  • Intel® Xeon® 處理器可於邊緣 AI 伺服器中處理特徵配對,而處理器內建的 Intel® AVX-512 指令集可協助將大規模特徵配對最佳化。
  • Intel® OpenVINO 工具組推斷加速藉助於近 4X 和顯著降低的推斷錯誤率,可改善手掌靜脈特徵擷取模型的效能。
  • Intel® Feature Matching Acceleration Library 可用於實現大眾運輸 AI 生物識別解決方案所必需的大規模特徵配對。

結果產生的穩定且高效能邊緣 AI 解決方案,在最嚴苛的條件下也執行良好。「Intel 處理器是 AI at the Edge 的絕佳運算平台。」Hukemei 表示,「而 Intel 的 AI 加速工具和模型能大幅加速開發工作,並縮短上市準備時間。」

不只是都會運輸:AI 生物識別技術的其他應用情境

在未來幾年,以手掌靜脈識別為基礎的 AFC 解決方案將吸引系統整合商(SI)的極高興趣。此技術效率佳且十分穩健。更棒的是,此技術可於現有的自動剪票口功能上實作。舉例來說,Huaming 的解決方案可讓乘客選擇使用舊式票卡、QR 代碼或手掌靜脈識別。在實作上,城市規劃人員和都會鐵路營運商不需二選一、非此即彼,且對 SI 而言更容易進行銷售。

且除了大眾運輸以外,以手掌靜脈識別為基礎的 AI 生物識別技術也可應用於其他使用案例中。此技術具有多項普遍具有吸引力的優勢:安全、感應式的身分識別功能;錯誤辨識和錯誤拒絕率低;以及支援資料收集和分析的基礎運算平台。

「這些可能性令人十分相當令人振奮」,Hukemei 表示。「我們期盼將此技術應用於智慧運輸、智慧社區、智慧文化旅遊等其他形式。藉此提升我們城市的安全、健康與效率。」

 

insight.tech 編輯副總監 Georganne Benesch 編輯。

產學合作推動實務 AI 學習

在賽道上駕駛賽車就夠刺激了,現在再把驚險程度調高一個檔次:自動駕駛賽車。一輛能以驚人速度行駛、在傾斜轉彎和其他車輛間安全行駛的自動駕駛車輛,可能看起來像是一個不可能實現的壯舉。但正是這項目標促成了希臘塞薩洛尼基亞里士多德大學的學生賽車隊 Aristurtle強固嵌入式運算解決方案供應商 Cincoze 之間的合作夥伴關係。使用 Cincoze DS-1202 嵌入式電腦使賽車隊競爭力提升,在國際工程設計比賽 Formula Student 中脫穎而出;這項競賽提供學生一個體驗、建造及學習賽車的平台。

自動駕駛賽車的邊緣 AI

Aristurtle 車隊先前曾以電動賽車參賽。但在 2020-2021 賽季,該車隊決定開發首部自駕車(圖 1)。為了不必從頭開始重新發明輪胎,他們在上個賽季的電動車上模擬自駕賽車。

自駕賽車
圖 1. 得益於 Cincoze 的 DS-1202 系統和 Intel® Core™ i7-9700TE 處理器,Aristurtle 賽車隊得以建構首部自駕賽車。

「由於我們使用團隊先前開發的車輛作為自主解決方案的基礎,因此必須確定自主管道和車輛其餘電子系統之間的軟硬體相容,盡量減少不必要且耗時的變更,」Aristurtle 自主系統校友成員 Nikos Kotarelas 表示。

一如預期,沒有複製貼上那麼簡單。Cincoze 資深行銷經理 Cindy Lin 表示,實現人類般的感知和感應是迫在眉睫的挑戰。「自駕賽車無論在賽道導航或避開障礙方面都相當仰賴感應器,」Lin 指出。「現實中可能有許多其他不可預測的因素會影響感應器的準確性,例如天候和環境狀況。」

團隊發現開發自駕軟體非常耗時,需要在許多領域具備專業知識,包括軟體工程、機器人技術、電腦視覺和人工智慧。

事實證明,在車輛上整合轉向和制動器以及處理器是數一數二的困難任務,因為根據比賽規則,自駕車輛必須可由人控制,Kotarelas 解釋道。因此,可以用來在車上安裝這些系統的空間有限。

駛向邊緣 AI 解決方案

Aristurtle 決定使用自主處理器(APU),它可從感應器和周邊裝置收集必要的資料,並執行團隊軟體所需的複雜運算,進而控制和操縱車輛。

所選的嵌入式運算解決方案必須符合連線能力、硬體效能和強固耐用等嚴苛要求。Kotarelas 表示,設計過程中消除衝擊和振動也是關鍵考量因素。

此外,團隊希望減輕學生的運算負擔,讓他們更專心研究汽車電子的整合和複雜的 AI 推斷問題。DS-1202 滿足所有要求。

「我們注意到 Cincoze 提供高品質的嵌入式電腦系統,符合我們連線能力、效能與強固耐用的標準,」Kotarelas 表示。「與 Cincoze 合作開發搭載 Intel® Core i7-9700 處理器的 DS-1202,表示我們的設計過程更加簡單,並且能在短時間內完成車輛的建構。」

「無風扇散熱設計、抗震特性和堅固的外殼確保系統在汽車環境中的運作,」Kotarelas 繼續說道。

Lin 解釋道,正是嵌入式運算系統中的 Intel 處理器,讓 Cincoze 滿足自駕賽車所需的複雜 AI 推斷和感應器資料的即時處理。

「我們的任務是提供解決方案,因應嵌入式運算中高能耗、冷卻技術、能源效率和小巧尺寸的挑戰,進而滿足 AI 運算需求,」Lin 表示。「透過這次與學生合作,Intel 增強了我們汽車客戶的信心,加快汽車專案的採用速度並縮短上市時間。」

寶貴的產學合作

隨著自駕車愈加普及,培訓有能力引領產業向正確(安全)方向邁進的工程師需求也日益增加。

Aristurtle 和 Cincoze 是相互共生的夥伴關係。他們為產業提供試駕及改善設備的機會,同時促進學生的創新。

「自動駕駛是一個全新的領域,學生必須在實作中學習 AI 並探索新方法,這有助於他們增加創新思維,」Lin 表示。由於這類合作增加了從現實世界測試案例中學習 AI 的機會,學生可加強對影像處理、AI 推斷、自動控制等各種業界關鍵學科的知識。

以這種方式為訓練有素的勞動力奠定基礎,可以推動智慧交通技術的進步。

「透過接觸 Cincoze 這樣的公司,我們可以更接近他們所代表的產業,瞭解他們擅長的行業,並得到贊助/合作的實質支持,」Kotarelas 表示。

未來的嵌入式運算會得到迅速採用。「嵌入式運算產業中數一數二的重要趨勢是整合 AI 技術,讓裝置即時執行更複雜的任務,同時維持電源效能,」Kotarelas 表示。

正如 Aristurtle 夥伴關係所展現的那樣,關鍵在於瞭解「每個問題對建立應用程式平台的需求,確保即時處理和電源效率,」Kotarelas 解釋道。無論是協助高風險手術,還是確保在賽車道上的驚心動魄的結局,這些嵌入式邊緣 AI 解決方案都可以發揮作用。

 

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

IoT 技術推動永續營運

環境永續是現今最迫切的議題之一。倘若我們想要穩定地球氣候、保護生態系統並為未來保存自然資源,社會就必須認真看待實現永續營運的舉措。

各個領域都如臨大敵、倍感壓力。監管合規、金融市場、公司品牌、成本控制,甚至人才收購都在營造這種急迫感。這就是為什麼您會看到各大企業、城市、教育機構和其他組織制定積極的目標,希望在未來幾年內實現淨零營運。各種類型和規模的組織無不將環保意識的倡議作為營運模式的核心。

想要實現這項目標過程曲折,但 IoT 技術為我們提供前進的一步。各組織正在透過 AI、機器學習和電腦視覺平台的創新來改變營運方式,即提高敏捷性、生產力及營利能力。這麼做也是為碳中和營運奠定根基。

永續營運日益增長的商業案例

企業轉向永續營運的方式時,受益的不僅是環境,伴隨這些變化的還包括經濟回報和新的商機。製造業就是其中一例。除了因應氣候變遷的挑戰,將能源和原物料這類資源的使用方式最佳化,也能節省成本。

為了保持競爭力,製造商必須採用邊緣 AI 和機器視覺,用於在工廠即時品質控管及資產維護等任務。透過工業 IoT 解決方案最佳化營運,可改善機器效能和預測性維護,這不僅能降低成本,還可以減少對環境造成的影響,讓製造商實現永續目標。

舉例來說,與工業 AI 公司 BirminD 合作,這家水泥爐公司最佳化了溫度控制,減少該公司 7% 的煤炭使用量7%,這相當於大氣中少了 50 萬個每百萬分之一的 CO2 污染物。它透過在工廠機器中安裝 AI 軟體而取得這些成果,展現技術可以帶來的積極全球影響。

另一個例子是全球製造商富士康,該公司制定了一項積極的目標,以減少碳排放並遵守當地的環境規章。該公司與邊緣運算解決方案製造商研華科技合作,在其中一個設施中透過智慧感應器、功率計和始終運作不中斷的資料收集系統管理能源最佳化。由於對能源使用有了新的掌握,富士康不僅制定了容量預測計畫,而且立即改善能源效率,平均節省了高達 13 % 的成本

電網現代化改善環境的永續性

但問題不只影響企業,更觸及全球各地的家家戶戶。氣候變遷的影響和有增無減的電力需求,成了公營事業日益增長的挑戰,在保障供電的同時還要致力於永續性、能源效率和脫碳。對電網進行現代化改造並提供能源服務的公司將搭上創造收入的首班列車。但他們面臨了多重障礙,需要電力公司重新思考如何設計、管理及維護電網。

首先,太陽能、風能和電池等碳中和能源推動配電模式產生變化。我們正在從由上而下、單向電力流動轉為橫跨電網另一側的高度分佈式網路。這種雙向分佈式電源需要一定程度的邊緣運算來支援由 AI 和機器學習工具進行的即時決策。

從儲存資料的變電站開始建構智慧邊緣,並對資料規範化,提供更多的掌控與更深入的見解,進而加快決策的速度。最終,建置資料驅動的電網可讓公營事業將再生能源的使用發揮到極致。實現這項目標的途徑是採用軟體導向的方針,從以硬體為中心轉為以軟體為中心,從以基於模型轉為基於資料,從固定系統轉為更敏捷、更可擴充且更可靠的系統。

增加更多智慧與更多營運能力,可將資料轉為深入見解,最終提高電網的可靠性和彈性。 

永續建築的潛力

除了改變電網的設計、管理及維護方式,建築業主和管理人員也可自行採取措施,減少能源使用。

例如,《世界經濟論壇》報導,建築物使用全球 40% 的能源,排放 33% 的溫室氣體。即使有愈來愈多人在家工作,但一些建築物仍然使用著與滿負荷運行時相當的電力,即使實際上只達到了一半的容量。因此,企業紛紛改造建築,以實現淨零目標、降低營運成本、提高效率,並為混合辦公模式的員工創造最佳環境。進階資料分析與 AI 支援的深入見解可協助達成這些目標。

「當然,建築技術已經存在一段時間了,而且這些建築物已經安裝了相當完善的設備。需要做的是將所有這些不同的工作負載整合到一個共同的平台上,然後尋找這些深入見解,以推動能源效率、降低碳足跡,並提高能源彈性,」 Intel 能源與永續發展全球銷售總經理 Michael Bates 如是說。

首先,建築營運商必須從各種互不相容的系統中收集及預先處理資料,從冷暖空調到照明、水乃至於空調皆然。透過分析這些資料,可以瞭解建築物的最佳化方式,考量它能使用現有的設備和系統做些什麼。整合這些資料時,就能辨識出模式,接著制定計畫、實現目標

超市是智慧建築回報的好例子。雜貨店裡到處都是耗能大的系統,如冷凍櫃、發電機、烘焙烤箱和暖氣系統。其中一例是英國第二大超市連鎖店 Sainsbury,該超市的目標是在 2040 年實現淨零。

這家食品雜貨店與能源分析和 IoT 解決方案供應商 Hark Systems 合作,針對 20,000 個資產(包括照明和冷凍設備)實施了 Hark 平台。系統每天擷取 200 多萬個讀數、偵測異常情況,並在設備可能出狀況時發出警報,進而節能及降低成本。能源價格在冬季飆升時,公營事業供應商會向系統傳送預設通知,自動調整設定檔,減少大樓的負荷。

今後您會看到像 Sainsbury 這樣的企業能夠如何成為微電網。自行發電並將電子賣回電網,表示有效取得零碳排放的電力。許多實現這項目標所需的技術已存在,例如太陽能板、能源儲存裝置和 Hark 這樣的平台。這是智慧建築可以打下根基的永續發展之路。

今後的願景

永續發展是全球的當務之急,採用創新技術是引領淨零排放世界的要件。這正是我們大刀闊斧創新局的好時機。這不是紙上談兵,也不是遙不可及,而是必要作為。而且各方對於 IoT 解決方案的需求非常旺盛,有助於落實這個願景。

 

insight.tech 編輯副總監 Christina Cardoza 編輯。

電腦視覺與 AI 為智慧停車解決方案提供支援

開車出入停車場應該不是難事,只是有時可能會帶來令人挫折甚至尷尬的問題。例如在前往英國的旅途中,當我將代幣投入出口機器時,車子突然熄火了。電梯門關上,其中一名乘客只能跑到兩層樓之上的服務台索取另一枚代幣。

要是那天能使用智慧停車系統就好了。和我遭遇相同經歷的人不計其數。停車系統讓大多數的駕駛都吃過閉門羹。常見的問題是前面排了好幾輛車,不得不等待收費員收取通行費或檢查授權車輛清單。自助收費亭和無線射頻識別系統等解決方案讓車輛得以前行,但我上述遭遇的情況還是履見不鮮。

「我家那棟樓其實是使用無線射頻識別系統管理停車場出入,」總部位於杜拜的全球物聯網解決方案公司 Disrupt-X 產品長 Alhamade Abelgadir 表示。「有時讀卡不易,所以我必須開窗或下車。」駕駛把無線射頻識別卡弄丟、必須換張新卡的事也時有所聞。

Disrupt-X 在其平台開發了一款名為 Cognitive Neurons 的智慧停車解決方案。它結合 ANPR(自動車牌識別)技術,其使用電腦視覺和 AI 演算法識別出入停車區域的車輛。

置於出入口的攝影機會讀取每輛車的車牌號碼,與授權車輛的資料庫進行核對再開門。整個流程只需一、兩秒。遠比警衛手持寫字夾板檢查車輛更有效率。也比 Abelgadir 熟悉不過的 RFID 感應器事半功倍。

智慧停車 IoT 平台的實際使用情形

Disrupt-X 平台提供了一整套的物聯網解決方案,而 Cognitive Neurons 應用程式只是其中之一。

「大多數的物聯網平台著重於支援應用程式,」Abelgadir 表示。「企業採購平台時,仍需要進行投資,建置使用案例。因此,額外成本很多。」Disrupt-X 截然不同。應用程式為內建,客戶可以一次啟動一個。如此一來能壓低成本。

「我們不對存在的應用程式向客戶收費,而是對客戶使用或連結至該平台的裝置收費。基本上可以說我們建構的是物聯網解決方案的超大規模雲端服務商,」 Abelgadir 表示。

ANPR 為一項優先專案,因為它滿足了杜拜和鄰近城市的迫切需求。氣候炎熱、交通堵塞,加上空間狹小,對停車造成莫大的挑戰。

「杜拜本身是一座相當擁塞的城市,陸地面積稀少,」 Abelgadir 如是說。許多大樓有位於地下室或高樓層的內部停車場。人工停車系統不僅效率低下,也對安全構成挑戰。追蹤車輛進出的記錄容易發生人為錯誤,有時為了方便請見,警衛可能會放行未經授權的車輛。

Cognitive Neurons 攝影機會捕捉每台進出車輛的車牌號碼。它能防止尾隨:緊貼前方車輛,規避偵測。即使車輛成功通過,如果不在白名單上,系統也不會讓它離開,而且會引發安全警報。

Abelgadir 表示,為了保護住戶的隱私,Disrupt-X 最大限度地減少平台收集的個人識別資訊(PII),將其與其處理的其他資料隔離。

另一項經濟實惠的做法涉及在內部開發許多解決方案元素,並使平台盡可能高效。舉例來說,現場部署一部搭載 Intel 技術的小巧伺服器,執行 8 到 10 台用於 ANPR 的攝影機。

與日俱增的物聯網使用案例

除了 Cognitive Neurons 的智慧 ANPR 應用程式,Disrupt-X 也提供諸多智慧大樓與智慧城市功能,例如環品質監測和預測性機器維護、漏水偵測、資產追蹤、遠距通訊技術、停車車位佔用追蹤,和人孔蓋監控。

「我們正陸續增加項目。也有相當有趣的使用案例,例如嚙齒動物監控。我們使用傳應器來實際識別大樓內哪些地方可能有囓齒動物出,」 Abelgadir 表示。

客戶只要投資平台,就能存取任何可用的應用程式。他補充道:「如要利用那些使用案例,客戶必須將硬體或裝置連結平台,開始接收資料。如此一來便能親眼見證使用案例。」

Disrupt-X 的目標是在實用性與負擔成本之間取得平衡。Abelgadir 表示類似的解決方案花費可能要四到五倍。「您付出的錢該有道理可言,您也該從中獲得回報,」他說。

他表示,在杜拜和周邊地區,客戶要先看到技術的價值才會願意接受:「也因為如此,我們才會這麼著重成本以及它所帶來的價值。」壓低成本也表示要讓大眾更容易採用,此外簡化使用者體驗即可將訓練減至最少,讓使用者按個兩三下就能完成任務。

Intel 是我們的關鍵夥伴,Abelgadir 表示:「他們提供了一套卓越的技術,以便我們開發解決方案。」其中包括了軟硬體堆疊和 Intel® OpenVINO 工具組,為電腦視覺開發與功能提供支援。

「從商業角度看,與 Intel 合作讓我們有更多機會接觸他們廣大的合作夥伴、客戶和經銷商生態系統,」Abelgadir 說。

隨著 Disrupt-X 開發更多智慧城市與大樓應用程式,也驗證了這種接觸有其價值。展望未來,技術將著重於透過資料分析和自動化,有效率地使用能源與其他資源。Disrupt-X 平台會透過多款應用程式支援這些目標:用於設備管理的遠距資訊處理、資產追蹤和其他智慧大樓解決方案。

 

insight.tech 編輯副總監 Georganne Benesch 編輯。

AI 放射學助手協助服務不足的社群

統計資料顯示,發展中國家每十萬人中只有一名放射科醫師,這會使捕捉及分析 X 光影像成為診斷醫療保健的一大瓶頸。問題不僅在於專業人士短缺,基礎設施的差距也是費解的難題。在設備齊全的美國醫院,放射科醫師可能每天分析 200 張以上的 X 光片;在資金不足、設備落後的印度農村醫院,每天分析 100 張 X 光片都不容易。

而放射科醫師要做的不僅是分析 X 光。他們總是得在兩難的情況下當機立斷,決定在 X 光、CT 和 MRI 等形式之間分配時間,尤其是醫院要求他們優先處理 CT 和 MRT 掃描時更是如此。總總的一切都會導致未經檢查的 X 光片堆積成山。

為了因應這些問題,基於 AI 臨床支援(CDS) 工具等放射學先進技術正一一出現,協助放射科醫師更快診斷 X 光片,而不必犧牲品質。

臨床決策支援的好處

臨床支援工具正如其名,旨在協助臨床醫師分析影像及作出決策。這些工具可以有許多形式,例如基於規則的系統、對應型系統、生產力或自動化系統。

過去十年中,基於 AI 工具在幾乎所有可能受益於電子健康記錄( EHR)和其他臨床資料之自動化分析的醫學領域都已嶄露頭角。成長如此快速,有部分的原因是使用 AI 審查患者資料的成本降低,以及 FDA 等當局發布新的監管指南,為廣泛採用 CDS(特別是 AI)鋪平道路。

然而,雖然 AI 輔助影像的成本在過去十年大幅降低,但對相對貧困的地區而言,這項技術仍然遙不可及。一部分的原因在於 AI 放射學解決方案著重於肺結核或囊性纖維化等特定診斷。倘若要有完整的診斷套件,診所必須要有多套 AI 解決方案,而成本也會因此提高。

聚焦於特定疾病的做法也限制了工具節省放射科醫師(特別是在處理 X 光片方面)時間的能力。「患者進行胸部 X 光檢查時,你不知道他是患有 A 病還是 B病,」L&T Technology Services(LTS)醫療業務部門數位健康倡議負責人 Mukundakumar Chettiar 解釋道。「胸部 X 光片一般作為篩檢工具,所以你未必知道自己在找什麼病症。」

對通用系統的需求

LTTS 開發了一款名為 Chest-rAI 的通用 X 光 CDS 工具,旨在提供更全面的 AI 輔助影像方法。Chest-RAI 不是要尋找特定疾病,而是要檢查 X 光是否存在廣泛的異常和潛在的生物標記。這套工具涵蓋了醫療機構 85% 以上的診斷,準確率超過 92 %

為了達到這些數字,Chest-RAI 利用名為「卷積注意力的句子重構和評分」(Convolution Attention-based sentence Reconstruction and Scoring,CARES)的新型深度學習架構。Chettiar 表示,CARES 從放射影像中擷取特徵,並產生在語法和臨床上正確的報告,說明其發現的結果。Chest-rAI 也使用名為「放射學發現品質指數」的獨特評分機制,評估確切的放射性發現結果、定位,並確定報告中每個術語的大小/嚴重程度。

此外,Intel® AI 分析和 OpenVINO 工具組用來最佳化推斷管道及將分析週期從大多數情況下的八週減為短至兩週,而放射科醫師可以使用網頁型的介面遠距存取報告。Intel® Extensions for PyTorch(IPEX)也用於最佳化效能。自動化報告、快速周轉時間和遠端存取的結合,大大提高了放射科醫師滿足服務不足人群需求的能力。

「使用 Intel 工具組協助團隊將推斷速度加快 1.84 倍,將周轉時間減少 75 % ,」LTTS AI 工程師 Nandish S. 表示。「它也協助模型尺寸減少近 40 % 。」

由於 Chest-rAI 高度最佳化,因此能以多種形式部署:在雲端、在內部解決方案,或作內嵌解決方案在邊緣部署。如此一來,醫院便能依照自身的預算和現有的基礎設施靈活採用解決方案。

Chest-rAI CDS 能與現有的醫院系統輕鬆整合,可作為獨立應用程式或更大系統的環節之一。整合流程的設計簡易,在與 影像封存與通訊系統(PACS)和放射資訊系統(RIS)等醫院系統相結合時,CDS 能在幾天內啟動運行。

更智慧、更經濟實惠的放射解決方案

過去十年以來,基於 AI 的工具已在眾多領域帶來顛覆性的變化,在許多應用中推動更完善的成果,例如乳癌篩檢、糖尿病視網膜病變、皮膚病變分類、感染性休克預測等。

雖然放射學技術日新月益,但放射科醫師的工作量成為醫療保健系統的瓶頸,在發展中國家尤其如此。現有的工具過於狹隘,無法滿足 X 光等廣泛篩檢形式的需求。隨著 LTTS Chest-rAI 等更通用的工具出現,放射科醫師如今擁有一套既能省時又能為更多人服務的工具,這正是許多農村醫院所需要的。

 

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

整合性資料基礎架構 = 智慧工廠解決方案

工業 4.0 解決方案需要可供各種規模和預算的製造商使用,但卻難以找到可擴充、符合成本效益,並在單一平台上加入許多功能的軟體。為取得整合性的數位系統,製造商可能必須整合多種軟體服務和平台,才能讓資料於關鍵領域之間流動,例如預測性維護和製程管理。但若要在毫不相關的軟體應用程式之間進行整合,則相當耗時、所費不貲,而且結果經常不甚完美。

iProd 製造最佳化平台旨在解決這些挑戰,並讓製造商不僅可以存取整合性的數位平台,還能存取公司可以與客戶和供應商分享即時資訊的商業生態環境。雲端型隨用隨付解決方案提供邊緣裝置可採取行動的深入解析,以在組織自動化並管理關鍵商業流程時提供支援。九種不同的雲端型軟體應用程式提供最佳的系統效能,而且製造商可以使用容易使用的直覺式介面:

  • 規劃生產執行和監控
  • 管理資產
  • 檢視並管理 KPI
  • 進行採購並管理供應鏈
  • 處理行政工作
  • 即時分享圖面和註解

雲端型軟體可提升營運效率

iProd 平台付諸執行的範例之一就是 Bosch 集團的柴油系統部門 VHIT Spa。VHIT Spa 經營液壓領域,並開發車用真空泵、液靜壓控制,以及汽車部門、牽引機和土方機械的正排量泵。

Bosch VHIT 廠位於義大利北部,是全球主要汽車製造商關鍵組件的領導供應商,包括 Peugeot、Citroën、Volkswagen、Audi、Porsche、Daimler、Fiat、Iveco、CNH、Jeep、Chrysler 和 VM Motor。

Bosch VHIT 是致力於創新的公司。近年來,該公司已開始執行效率流程,汰除無附加價值的活動並強化工作最佳化活動。Bosch VHIT 執行長 Corrado La Forgia 解釋:「基於此,本公司正邁向「讓機器說話、有智慧」的道路上。必須從機器接收資料,才能取得準確、寶貴的資訊—提升生產力並掌握當日、當月或當年的生產件數—提供正確的工具給生產經理,以便他們做出提升生產品質和效率的正確選擇。」

該公司僅僅在使用 iProd 平台的幾個月內,就看到投資報酬率。在第一年前,該公司的機器達成生產力提升 10% 和成本削減 15% 的整體設備效率 (OEE)。此平台的彈性和使用簡便性可讓該公司整合該公司已在使用的任何其他 CMR 管理軟體和商業流程,限縮了安裝和資料整合管理的成本。

部署簡易的工業 4.0 解決方案

製造最佳化平台由強固型工業平板電腦、行動應用程式,以及支援 Intel 技術的 IoT 邊緣閘道器 (用於裝置互連) 組成。平台的潛在使用者包括從房產與生產經理到工程師、系統管理員、專案經理,甚至是執行長的各種角色。

製造商可以使用 iPod 解決方案輕鬆互連世界上各種不同品牌的現有機器、IoT 感應器和模組。Pier Luigi Zenevre iProd 共同創辦人暨行銷長表示:「連線、開始啟動並執行的步驟非常簡單。」「我們所有資料架構都已經整合,因此很容易就能輸入來自不同機器的資料。」資訊已在邊緣預先分析並篩選,然後安全地傳送到雲端。

與 Intel 攜手合作是讓此解決方案成功的關鍵。Zenevre 表示:「聯繫 Intel 是我們做過最重要的決定之一。」「這是我們的參考技術,而且許多公司都因為這層合作夥伴關係而與我們接觸。」

準備迎接以機器為主的市場

製造最佳化平台為工業機器將變成客戶的未來做好準備。Zenevre 表示:「我們預期自動化工廠的到來,其中機器不必等候人員輸入,而是能管理自己的工作。」

達成方式之一便是透過解決方案內建的 IoT 市場 (包含能夠與機器和人類互動的演算法)。採購方式有好幾種:由員工進行、由機器進行再由人員確認,或由機器在規定的預算內進行。

例如,連線的感應器可能會通知需要預先確定備用零件,以繼續其生產任務,避免機器停機時間。它可以根據在 iProd 製造最佳化平台上預先設定的未來生產計劃重新訂購原料。機器可以透過 IoT 市場為這些項目下單,無須員工介入。

Zenevre 表示:「當機器根據製造商所選的預先確定規則觸發時,能夠在規定的預算內進行採購。「Gartner 已將我們稱之為將能夠實作「機器客戶」技術的第一個工業平台。」

如此平台的系統最終將可讓製造商達到最大的人力資源發展成效,並投入其中。Zenevre 表示:「我們已建立整合式解決方案,可讓製造商發展人才庫,而不必讓許多員工靠近工廠機器工作。」「我們的目標是看到製造業興起創新文化,希望在這當中,操作人員是主要的利害關係人和最重要的資訊來源之一,因為他們帶來以往的豐富經驗,並能夠協助定義經營工廠的最有效率方式。」

 

insight.tech 編輯副總監 Georganne Benesch 編輯。

透過無程式碼電腦視覺打開 AI 的大門

電腦視覺預計會定期提高組織的投資報酬率,同時在未來數年維持工作場所安全。這是因為電腦視覺能夠提高商業生產力、精簡流程、追蹤停機時間、降低營運費用,並密切注意所有企業的安全法規。

但實現這些解決方案並非易事。為成功運作,電腦視覺系統需要三件事:大量影像資料、符合成本效益的產品線合適演算法選擇,以及反覆進行最佳化。無程式碼電腦視覺與視訊分析平台 Tusker AI創辦人暨執行長 Harshal Trivedi 指出,為成功完成此工作,組織需要內部專業知識 (許多組織都欠缺),而招聘助手並不便宜。

儘管大多數商業領袖都相信電腦視覺可以省時省錢,但組好一個訓練有素的團隊後,常需耗費數個月的時間針對單一使用案例來訓練演算法。即便在完成所有工作後,許多專案都因預料之外的資料問題或實作問題,而未能通過概念驗證試驗。
幸好如 Tusker AI 等公司正在發展簡化開發流程的技術,甚至能讓完全沒有程式碼撰寫或 AI 技能的人員都能快速建立、產生、測試和擴充有效的電腦視覺解決方案。隨著智慧視覺系統日益普及,快速開發將能讓組織享有顯著優勢。

DeepTech 無程式碼電腦視覺

許多組織已在 CCTV 保全攝影機中收集到數千張影像。為簡化應用程式發展,Tusker AI 打造會將這些影像上傳到平台的工具,其中公司按一下即可選擇自己的資料驅動解決方案模型或數種模型,並立即開始針對影像/視訊訓練演算法。然後他們可以按一下另一個按鈕來測試模型並檢視準確性。如果解決方案看起來不錯,他們可以按一下 Deploy。

Trivedi 表示:「上傳、訓練、部署 — 按三下後就準備完成。」

無須程式碼撰寫或 AI 專業知識,因此有助於企業省時省錢。Tusker AI 視訊智慧平台可消除間接費用,並提供使用者介面自動化引擎,藉以簡化電腦視覺,進而協助設計、部署並理解資料來源,以符合商業需求。除了自動化和標準化模型設計工作外,Tusker AI 也包括複雜查詢功能,藉以提升業務契合性、確保資料完整性,並簡化整合作業。

Trivedi 表示:「最後的成果是更快深入解析和凝聚商業影響力、完全自動化的商業流程,以及能夠快速學習新技能。」

不用耗費數個月的時間,只要在數小時內即可提供完成的 AI 模型,因此可讓開發者有餘力專注於其他專案。此平台使用 Intel® 發行版 OpenVINO 工作組後,效率更加提升。此工具組包含用於結合影像辨識和深度學習模型的許多建置組塊。

Trivedi 表示:「Intel OpenVINO 加速開發、最佳化效能並降低成本。」

有了 Tusker AI,公司也可以建立其他模型或新增新的影像,無須另外收費。Tusker AI 的深度學習模型可以識別一系列概念,包括物件、事件、情緒及預測,以進行工業級部署。

「建好管道後,即可自動調整規模。無論是有一張影像或數百萬張影像,每台攝影機的成本都是降同。」Trivedi 說道。

AI 模型的萬花筒

AI 模型也可以加以微調,以更有效率的方式完成近乎無限種的特定工作。Tusker AI 的視覺智慧平台已自動化品管、視覺檢測、缺陷識別,以及組裝線最佳化。

例如,在印度舉辦為期一個月的大型宗教慶典中,主辦單位運用 Tusker AI 協助志工管理該活動的 1400 萬名訪客。

「過去有許多管理問題。沒有人知道人群什麼時候會到。」Trivedi 解釋。

主辦單位使用智慧視訊攝影機並開發 AI 模型,事先通知停車場管理員有來車、協助他們重新安排交通路線,並在一天內指引 5 萬多輛車輛停入每個停車格。攝影機也裝設在每個入口閘道和景觀入口,其中 AI 模型會計算訪客,協助員工管理人流。其他攝影機設置於小吃攤,其中演算法會追蹤小吃銷售量並將該資訊與庫存關聯,以確保食材不會短缺。

在工業中,電腦視覺模型對於工作場所安全扮演著關鍵的角色。例如,在重型機械製造廠,每年都會有一或兩名員工因過於靠近內有強大的吸氣風扇而受傷的案例—雖雖然地板上已塗上明亮的黃色線警告他們不要在機器運轉時跨過此線。

此工廠透過 Tusker AI 打造出警示系統,以智慧型攝影機在員工靠近此線時通知現場經理。如果任何人在機器運轉時跨過此線,則會響起警報聲。Trivedi 解釋,此簡易的系統正在預防工廠內嚴重、昂貴的意外事故和停工情況。

在倉庫和工廠中,也可以建立 AI 模型向經理警告起初的問題,因此甚至能夠進一步節省金錢並提升安全。電腦視覺演算法可新增或取代許多公司目前使用的第三方視訊監控服務。Trivedi 指出,這些服務雖然會記錄事件、協助法醫調查,但許多並未提供警示,來協助公司預防事件發生。

對於每個月都要承擔 100 件到 300 件包裝受損成本的電子商務運送公司而言,預防問題是高優先順序。該公司使用 Tusker AI 為其倉庫視訊攝影機打造監控演算法,以確定員工遵循正確程序。如果商品被丟掉、不當裝載或處理不到,系統都會警示經理。由於安裝此系統,因此包裝的金錢損失害和投訴降低了超過 50%。

由於視訊攝影機會收集大量個人資訊,因此 Tusker AI 採用多種控制方式來確保資料隱私。選定要分析的影像時,僅會傳輸、處理和儲存相關的中繼資料。中繼資料會在傳輸中與靜態時加密,並會受到存取控制與接受定期安全性稽核。平台遵循如歐洲一般資料保護規則 (GDPR) 和加州消費者隱私權法 (CCPA) 等法規。

未來:電腦視覺模型隨處可見

Trivedi 認為,雖然安全、易於使用的電腦視覺模型十分多樣,但卻一點也比不上即將來襲的智慧視訊海嘯。

「我們將看到自駕車、機器人、無人機,以及許多新的原宇宙、虛擬實境和擴充實境應用。這些系統若無視覺分析,就無法運作。」他說道。

雖然進階解決方案在成為主流前尚有重大阻礙需要克服,但許多公司正將時間金錢投入 AI 視覺研究中。當他們的產品發推出時,Tusker AI 希望能協助客戶自訂產品,而不用撰寫程式碼。

他表示:「我們正打算建構我們的平台,以將自動化提升至下一個境界。」

 

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

AI 影片分析提供安全性

您不可能隨時無處不在。額外的視覺協助可讓產業升級—範圍涵蓋公用事業部門的老人看護服務和資產管理等。

請您想像影片圖像分析能如何積極防止醞釀中的問題與麻煩:能警示機場當局在高人流區域是否有無人看管以及不明物品。它能偵測核電廠和發電廠等重要基礎設施所在據點是否發生入侵事件。它還能在高速鐵路上找到有害物品。

攝影機可做邊緣感測器用,協助擷取異常模式。人工智慧(AI)可針對各種預先設定的事件發出警示,協助人員了解發生的事件。企業可因此積極救火、節省時間和金錢,甚至挽救生命。

邊緣到雲端的 AI 影片分析

Irisity 技術長 Zvika Ashani 表示,軟體影片分析供應商 Irisity 可透過其 AI 支援的影片分析解決方案 IRIS+ 平台,精準地提供客戶市場區隔的視訊分析解決方案。

IRIS+ 是 IoT 解決方案,可邊緣部署智慧裝置。外型規格小的電腦可作為邊緣裝置使用,可將資料路由傳送至中央後端。伺服器可執行 IRIS+ 軟體,而此軟體在電腦視覺與影片處理領域中使用 AI。

電腦視覺和視訊處理正是大型美國電力公司部署 IRIS+ 解決方案時所需的。該公用事業在全國有數百個無人看管的據點,因此入侵偵測會是該公司的一大顧慮。

IRIS+ 不是該公司經過現場測試的第一個視訊分析解決方案,但是是最符合其需求的。Ashani 說:「我們的架構是在遠端據點部署一台小型 PC,而這正是他們所需的,而且他們有網路,可連線其資料中心。」因為使用了大量攝影機,因此 AI 解決方案當然十分準確,不會像是「放羊的孩子」,一直發假警報。

邊緣解決方案也必須在開放的戶外環境中才可使用。實作 IRIS+ 可協助公用事業公司積極偵測入侵,降低昂貴的現場部署費用。偶爾進行人工巡邏無法改善現狀,因為會錯過在巡邏偵測期間以外的時候發生的事件。

公用事業公司等智慧城市客戶可選擇一樣內部執行 IRIS+ 解決方案,或在連線攝影機後透過 SaaS 入口網站執行。Ashani 表示,無論在兩者情況下,Irisity 皆可確保影片圖像的私密性。Ashani 說:「我們會針對我們儲存的影片進行加密,強化我們的雲端解決方案,並定期進行滲透測試,確保系統不易遭入侵。」由於各國的隱私法律與合規法規不盡相同,Irisity 分銷商和系統整合商可與客戶合作,確保其解決方案部署符合當地資料隱私法規。

測試解決方案

Irisity 會在 Intel AI 解決方案驗證實驗室中測試其 AI 解決方案,可讓開發者使用最適合目前問題的硬體與晶片組以虛擬方式進行修改。Ashani 說:「我們需要測試處理器模型和記憶體配置的各種設定。」他說:「若要在我們的實驗中進行,費用會非常高昂。」使用 Intel 資源可降低成本、節省時間,更快提供正確的解決方案。Irisity 會在 AI 解決方案需要處理高密度攝影機感測器時使用第三代 Intel® Xeon® 可擴充處理器。

公司也會使用 Intel® OpenVINO 工具組,「可幫助我們以演算法開發者最不費力的方式獲得 Intel® 平台最高效能」,Ashani 說。「他們主要專注於收集資料、訓練我們的模型,然後讓 CPU以最佳化方式執行該模型。OpenVINO 可縮短上市時間,並降低我們的開發成本。」

影片分析的未來

期待影片分析軟體在物件偵測、分析和了解行為與屬性方面能提升準確性。Ashani 說:「所有這些項目都需要大量運算能力,且隨著處理器推陳出新,我們將獲得更多邊緣能力,並將直接影響我們可執行的應用類型。」

此領域正持續進化,多部攝影機連線而得的資料已涵蓋大範圍的開放區域。室外煙霧和火警偵測是該功能的潛在應用方向。Ashani 指出,許多無人加油站曾發生火災,並造成大量損傷。他說,除了現有攝影機外,在軟體層新增 IRIS+ 解決方案可協助系統積極發出警示並避免災害。

各種規模的企業與公司行號可能無法隨時掌握各處。但有了攝影機網路的回報功能,以及處理影片資料的智慧技術,就可以在正確時間出現在正確位置。

 

insight.tech 編輯副總監 Georganne Benesch 編輯。

多合一套件讓機器視覺在製造業如虎添翼

製造商紛紛迫不及待想廠房部署機器視覺解決方案。這項技術可以改善產品品質、提升作業效率、降低成本,並且協助公司擴充。然而,對於服務工業領域的解決方案供應商與 SI 而言,機器視覺可說是雙面刃。

Shenzhen Seavo Technology 是智慧型製造硬體平台專業廠商,該公司副總裁 Patrick Ye 表示:「一方面,這項精密的強大技術可以解決複雜的問題。」「不過若要部署這項技術,還需要研發方面的專業知識及運算能力。另外,機器視覺解決方案必須能因應各種使用案例調整,而且可在部署後調整配置方式。」

不過,這意味著解決方案供應商必須取得靈活度與擴充能力卓越的解決方案,才能維持獲利。幸好,現在有現成可部署的多合一機器視覺套件。這些套件搭載最新的軟硬體平台,透過彈性可擴充的平台,提供強大可靠的 AI 處理能力。

克服製造業機器視覺技術的障礙

機器視覺套件逐漸嶄露頭角。這項技術趨勢就跟多項 AI 發展一樣,都是受到厲害關係人的商業與營運需求所驅動。

就製造商而言,他們正設法解決棘手的技術問題,包括實體要求嚴苛工廠環境的光學字元辨識(OCR);需要更高精確度的複雜缺陷識別過程。然而,能夠滿足這類需求的幾種機器視覺解決方案,仰賴深度學習這類精密的 AI 技術,而且需要前所未有的處理能力及廣泛的開發工作才能部署。

此外,Ye 表示,市場正在尋找高度靈活可擴充的機器視覺平台:

「這些解決方案適合追求成長的創新企業。但也正因如此,這些解決方案必須極為彈性靈活,也就是說,製造商需要變更程序、開設新產品線,或是擴充時,必須能夠在部署後自行重新配置。另外,為了避免受到固定廠商限制的問題,模組化設計是首選。」

對於解決方案供應商和 SI 來說,滿足精密度、效能與彈性的需求也成了一大挑戰。也就是說,雖然買家引頸期待機器視覺解決方案,但是他們心目中的理想解決方案既昂貴又耗時。

機器視覺套件登場:提供各式各樣配置選項的模組化可擴充工業級套件,能夠滿足各種運算能力、I/O、外型規格與功能需求。

這些工具組對所有相關人員而言都是雙贏。工具組讓解決方案供應商縮短上市時間,以及降低開發成本,並且為製造商提供了強大、靈活且易於部署的機器視覺解決方案。

綜合運用軟體與硬體技術

若要打造同時符合各種需求的平台,關鍵是在全方位的解決方案結合同級最佳的軟硬體。為了達成這項任務,Seavo 與 Intel 合作自行開發機器視覺套件,利用 Seavo 的硬體設計,搭配 Intel 處理器與軟體開發工具。

套件有不同的元件與架構功能,使用者能享有非比尋常的效益:

  • Intel 處理器提供可靠的高效能電腦視覺處理方式,包括低耗能的環境,以及高耗能的應用情境,例如深度學習和邊緣 AI 模型訓練。
  • 模組化設計縮短了開發週期、降低成本,並且為終端使用者簡化了維護與升級工作。豐富的 I/O 選項支援高解析度 IP 攝影機,以及各式各樣的人機互動顯示器選項。
  • 採用各種 Seavo 套件模型的可擴充設計,其中包含各種擴充插槽,可以處理資料儲存模組、網路、動作擷取與控制及通訊。
  • Intel® Edge Insights for Industrial (Intel® EII) 的影像辨識精確,可在邊緣迅速擷取、處理及分析影像,實現即時控制與管理。Intel EII 支援邊緣影像與視訊處理、預先訓練的分析模型、邊緣視訊推論、AI 加速,以及專為深度學習應用而設計的工具組。
  • Intel® OpenVINO 工具組可加速開發機器視覺應用程式,實現 AI 最佳化。

Ye 表示,Intel 技術是 Seavo 解決方案上市的關鍵角色:「Intel 處理器很適合機器視覺應用程式,其 AI 軟體開發工具更是加速開發的一大推手。」

SI 與解決方案供應商的新商機

機器視覺套件將在未來幾年為 SI 與解決方案供應商提供具吸引力的商機,幫助更多製造商善用電腦視覺技術的優勢。

這些套件威力強大,簡單易用,能夠實現解決製造商常見困難點的解決方案。另外,套件彈性靈活,是避免工業 4.0 不斷變化這項特點的利器。對於渴望掌握機器視覺解決方案這個新興市場商機的 SI 與解決方案開發商來說,套件提供快速開發與簡易自訂的方式是一大賣點。

Ye 表示:「多合一套件將是促進工業領域機器視覺普及的重要推手。」「這種套件為企業提供了快速部署支援機器視覺技術解決方案的途徑,讓 SI 與解決方案供應商能迅速上市。這些套件整合了頂尖的機器視覺硬體和軟體,締造出超過個別貢獻總和的綜效。」

 

 

insight.tech 編輯副總監 Georganne Benesch 編輯。