教育技術個人化學生參與度

不論高貴與否,在最佳情況下教學都是一項艱鉅的任務。但是,加上缺乏訓練有素的老師和人滿為患的教室,世界各地的父母為給孩子們良好的教育而辛勤工作似乎是個黃粱一夢。

在仔細檢視下,答案便呼之欲出。為了有效達成目標,教師不僅必須開設能引起學生興趣的課程,他們還必須向許多學生介紹這些課程,而每個學生都有不同的需求。這些需求一直在變化。

IBASE Technology Inc. 產品規劃部總監 Wilson Lin 表示:「單靠老師自己無法一直專注於班上的每個學生,但是透過人工智慧技術與電腦視覺,學校可以即時並與時俱進,擁有每個學生(無論是集體還是個體)準確,客觀的資料。」

智慧教室可以減輕老師的管理負擔,同時可以更全面地瞭解每個學生的真實情況。而且,對這些資訊進行分析可以提供個人化和提升學習體驗的機會,而這是以前無法辦到的。

現在,老師可以瞭解,例如,學生的興趣低落是孩子的因素,還是一般而言,需要更具互動性和吸引力的課程。家長可在潛在的關切領域形成更大的問題之前得到提醒。而且,教師可以監控並發展自己的課堂技能,一個班有 25 或 55 人。

全新教育技術不只是臉部辨識

透過 IBASE 人工智慧教育平台,教師可以隨時確定最需要關注的地方。當學生的表現開始下降時,這是因為他在家中遇到問題,還是因為他前面的學生不斷轉身講話?IBASE 平台所產生的資料顯示了教師可能需要更深入地瞭解學習問題,並提出解決這些問題可行措施的時空背景。

該系統使用骨骼檢測、臉部辨識和行為識別來追蹤九種不同的行為,例如主動聆聽,以及六種情緒,例如快樂、生氣或害怕(圖 1)。

行為識別和臉部辨識有助於教師監控和提高學生的參與度。
圖 1. 行為識別和臉部辨識有助於教師監控和提升學生的參與度。

在上課期間會拍攝影像進行分析,然後根據學生的行為,學生使用的材料,以及他們與教室中其他人的互動來對結果進行分類。所收集的資訊會根據每個人的名字加以彙整。

即使課堂上出現參與度降低等最微妙跡象,如皺著眉頭或較少舉手,一旦出現這種情況並隨著時間追蹤趨勢變化,教師便可以立即採取行動。他們可以努力提升教學方法與學習環境,並輕鬆評估其努力所產生的影響,而不必等著事態爆發或考試成績差才知道他們感到無聊或分心。

根據 Lin 的說法,特定國家或學校的隱私權法規可能會規定停用或完全關閉臉部辨識功能,但這很容易做到。沒有這項功能,該解決方案也可以正常運作。

協助系統整合商協助學校

人工智慧教育平台包括系統整合商可能需要的軟硬體和工具,它們可以直接使用,以部署概念證明 (PoC)。Yuan QDeep 和 Intel® OpenVINO Toolkit 可最大化基於 Intel® CPU 或 VPU 的電腦上執行的視訊分析邊緣效能(圖 2)。

人工智慧教育平台可協助整合商簡化 PoC 的部署。
圖 2. 人工智慧教育平台可協助整合商簡化 PoC 的部署。

為使系統整合商向學校展示教育平台及其人工智慧技術的完整價值,IBASE 提供了充分的支援。首先,該解決方案的功能很簡單,並且系統本身可立即輕鬆安裝。其預設設定是在 6 x 8 公尺的房間中,針對 55 名學生和一位教師預先訓練兩部攝影機(圖 3)。

IBASE 教育平台的預設設定:在 6x8 公尺的房間中,兩部攝影機可拍攝 55 名學生。
圖 3. IBASE 教育平台的預設設定:在 6×8 公尺的房間中,兩部攝影機可拍攝 55 名學生。

對於許多學校來說,這種設定就足夠了。但是,如果客戶的規格不同(例如,班級規模更大),IBASE 則會利用他們的研發經驗為系統整合商推薦使用多少部攝影機以及將它們放置在何處。

該解決方案也是模組化的,並隨附一個 SDK,因此具有軟體開發技能的系統整合商可以與學校一起確定他們的需求,然後自行修改或增強該套件,例如,透過加入不同語言或其他特定區域的功能。

另外,IBASE 可協助系統整合商提供學校自訂服務,以自訂較包裝盒中更多的功能。在這種情況下,系統整合商會提供真實的教室視訊,而 IBASE 則會對其演算法進行訓練,以達到 90-95% 的準確性。Lin 指出:「如此一來,該資料對於管理人員和教育工作者都非常有用。」

如果這是整合商首次與公司合作,則 IBASE 將指派一個團隊前往現場,與系統整合商一起作業,以確保完美安裝。

Lin 表示:「 一旦系統整合商完成兩三次安裝後,便可以輕鬆地將其複製到其他學校。在此之前,我們會與他們合作以確保安裝順利進行,並為學校帶來最大的效益。」什麼是最大的效益?一所進度落後而變「聰明」的學校,會讓其教師、學生和家長也變得更加聰明。

將您所有的零售資料放在一個籃子裡

的確,虛擬購物很棒。但這並不表示有實體店的零售商很快就會消失。因為即使出現人工智慧、機器人和其他電子商務主要產品,大多數購物者仍然重視能看到、觸摸和感覺到他們預期購買的商品。

但是很顯然的,僅靠老式的實體商店是不夠的。因此,創新零售商提供了順暢的客戶行程,將線上、行動和親身購物融入到一個全通路的「購物籃」中。您可在這趟行程中隨時透過任何媒介將商品加入到客戶的購物車中,並完成交易。

購買往往是在商店內進行的,客戶可以從受訓銷售人員的知識和專長中受益。並且可以同時存取零售商的整個庫存;無論是線上還是在其他商店。讓人有錦上添花之感(圖 1)。

融入線上、行動和店內購物的全通路體驗是零售業的未來。
圖 1. 融入線上、行動和店內購物的全通路體驗是零售業的未來。

但是,這種順暢的數位行程並非憑空而來的。許多零售商所購買用於執行 10 年、15 年甚至 20 年前的零售和商務應用程式的軟體,可能是可靠的,但很難加以創新。挑戰在於用新事物替換舊事物,這可能要耗費數月甚至數年。

但是,如果他們想有效地應對電子商務的威脅,並利用開設實體商店的優勢,那麼零售商就真的別無選擇。Flooid 商務長 John Stretton 表示:「由於受到老舊技術的局限,每月都會有營運良好的企業倒閉。

簡化的零售資料

相較之下,購物者渴望的順暢數位行程取決於一套在背景運作良好的整合式技術;因此無論通路為何,都可以取得相同的價格、促銷和產品。而可以建構新應用程式的正確軟體平台正是關鍵所在。

Flooid 推出的 Flooid Solutions 可讓零售商實施新的使用案例並加入新的應用程式,例如獨立於平台本身的自助結帳或行動銷售點系統。每款新的應用程式可提供不同的功能,但它們的資料摘要均通過相同的後端系統。如此一來,該平台可為幾乎無限且易於部署的創新提供了基礎(圖 2)。

Flooid Solutions 將來自銷售點終端、行動裝置和線上的零售資料整合到一道串流中。
圖 2. Flooid Solutions 將來自銷售點終端、行動裝置和線上的零售資料整合到一道串流中。

銷售點系統背後扮演的角色

Flooid 的客戶之一是一家大型旅遊零售商,經營項目複雜且零售商店種類繁多,他們了解停滯的風險以及任何業務。在部署 Flooid Solutions 之前,營運其快餐店 (QSR) 以及化妝品、電子產品和便利店變表示需要維護和支付數種不同的系統。如果零售商想新增一個忠誠度計畫,或者套用量身定制的銷售稽核或稅收規則,那麼在沒有供應商支援的情況下是無法做到的。

這是一種所費不眥的主張,與其一直在尋找可擴充的敏捷解決方案背道而馳。但是使用 Flooid Solutions,客戶只須與 Flooid 合作即可更新其任何一個品牌。Flooid 北美技術長 Scott Carpenter 表示:「整合模式要簡單得多,因為現在交易摘要會透過同一系統送達總公司。這樣可以更有效地報告、更有效地交互使用資源,並降低總持有成本。」

Flooid 平台的核心功能是其中包含不同「角色」,每種角色都專為一條業務線而生。例如,QSR 會使用「餐館角色」,賦予其在前端便具有餐館的觀感。亦即,銷售點終端會在或自助結帳時向收銀員或顧客顯示餐點和飲料的直覺式菜單。

假設客戶對加油站感興趣; 便有一個知道如何控制加油機的角色。現在,事實上,它正在研究公司如何將自動販賣機加入到產品組合中。為此,Flooid 會將其 API 連接到供應商的軟體,將自動販賣機行程稱為「購物籃」,然後將交易傳輸到後端。Carpenter 表示:「它們不過是一個角色。為它們提供服務的基礎系統是相同的。」

零售分析需要齊心努力

Stretton 表示,Flooid 無法獨自運作。它並不會編寫像旅遊零售商這樣的客戶所使用的消費者隨身應用程式。相反地,其客戶與開發者生態系統合作。他說:「我們只是向他們提供一致的價格、促銷、忠誠度以及順暢客戶行程所需的其他功能。」

Flooid Solutions 的其他關鍵要素,以及開發人員可以據此打造的創新應用程式,是一種無須從一種協定轉換為另一種協定的通用語言,以及一個開放的隨插即用平台。

零售商可以一直使用基於邏輯的應用程式,無論是否連接到網路。這是 Carpenter 所謂的彈性概念:「現在,我甚至可以透過購物者的手持裝置提供行動銷售點,並且無論網路處於何種狀態,都能夠加以掃描並對購物籃進行結帳。」

電腦版本 = 更好的服務 + 更低的成本

位於台灣新竹的雅特烘焙(RT Baker House)是當地最著名的麵包店之一。該店以各式各樣令人印象深刻的美味蛋糕和麵包而聞名,卻也因為排隊人潮眾多且等候間漫長而為人熟知。增加員工數量並無法幫助提升顧客滿意度。既然人事無法解決問題,該店便改為採用飛捷(Flytech)及其子公司 Berry AI 開發的電腦視覺 POS 系統(​​​​​​影片 1)。

影片 1。運作中的雅特烘焙電腦視覺 POS 系統。(資料來源:飛捷)在此之後,雅特烘焙採行了如下的流暢結帳流程,因而能夠大幅提升顧客滿意度:

  • 麵包店顧客只需選取商品,將商品放在托盤上,然後前往結帳即可。
  • 托盤放置在 K750/K750 電腦視覺系統的視野中,該系統會辨識商品並將資訊傳送至 POS 系統,過程中結帳人員無需輸入任何資料。
  • 結帳人員會透過第三方 POS 系統進行安全的付款程序,此外也可透過自助結帳進行付款。

此種改良的 CV 程序讓顧客的等候時間縮短了 30%。同時也為 RT Baker House 的營收帶來轉變。

電腦視覺和 AI 縮短了排隊時間

雅特烘焙的電腦視覺結帳系統以 Flytech K755 無風扇平板電腦為核心。這款電容式觸控系統採用搭載 4 GB 外接 DDR3L 記憶體的第 6 代 Intel​​​®​​​ Core​​​​​​​​​ 處理器。該系統還配備多個攝影機,其中一個位於前方面板,另一個雙鏡頭攝影機則位於邊框底側,用於掃描顧客選取的烘焙商品。

這兩個掃描攝影機更具備補光燈和濾鏡功能,即使麵包店的照明情況時有變化,也可確保讓系統儘可能截取到最高解析度的影像(圖 1)。

超薄平板電腦提供電容式觸控感應和多個攝影機。(資料來源:飛捷)
圖 1. 超薄平板電腦提供電容式觸控感應和多個攝影機。(資料來源:飛捷

但是這款智慧型結帳系統能夠問世的關鍵,在於採用卷積神經網路(CNN)演算法和快速傅立葉變換(FFT),因此可辨識將近 100 種不同烘焙商品之間的微小差異。

該演算法由 Berry AI 花費 10 週進行開發,使用麵包店所提供約 10,000 張產品影像來訓練資料集。在標記資料一週後,該團隊終於能開發出偵測準確度超過 99% 的推論演算法。換句話說,比人力辨識物體的能力更出色。

更值得一提的是,這些神經網路演算法可以同時且即時地辨識托盤中的多個不同商品,而所有作業皆由位於邊緣端的 Intel Core 處理器執行,並且僅耗用 2 GB 的記憶體。

為使電腦視覺演算法達到最佳化,以利在無風扇邊緣系統上執行,該公司採用了 Intel® OpenVINO 工具組。深度學習開發套件能幫助工程師,讓電腦視覺工作負載在各種運算架構中發揮最大效能,包括 CPU、 GPU、FPGA 和視覺處理裝置(VPU)。

飛捷電腦視覺產品經理 Ian Zeng 表示,OpenVINO 不僅減少了 CNN 演算法的整體磁碟使用量,而且在 Intel Core 處理器上的執行時間也縮短到 0.1 秒以內。

從餅乾到奇異果

高度準確的 K750 / K760 電腦視覺系統能降低多方面的人力成本。由於對熟知各種烘焙商品的人力需求減少,雅特烘焙節省了多達 50% 的訓練成本。此外,智慧型結帳系統幫助縮短排隊等候時間,並提高效率,因而使整體人力需求下降約 20%。

在該解決方案取得成功後,AI 電腦視覺系統現在也拓展至其他食品辨識應用。

隨著雅特烘焙在所有營業據點部署了智慧型結帳系統,飛捷/Berry AI 技術也應用在其他工作環節。以雜貨店為例,其解決方案可應用於要求更高的物體辨識作業,例如區分不同類型的產品。

由於不同品種的蘋果或各種類型的柳橙可能具有幾乎相同的顏色、形狀和大小,因此傳統人力很難區別(更不用說使用電腦視覺演算法)。但是,Berry AI 開發的進階演算法現在可以使用相同的 K755 基礎結構,區分外觀幾乎無異的番茄、蘋果、梨子和奇異果。

就算擴大應用規模,零售商也可以利用 K755 平板電腦等電腦視覺解決方案來取代任何類型的傳統條碼掃描作業。如此一來,這類供應商便可省去條碼基礎設施的開銷,藉由將食品的物理接觸量降至最低來提高衛生程度,並有可能如同這間台灣最著名的麵包店之一,享受顧客滿意度提升和成本縮減帶來的效益。

IPC 升級的軟體路線

隨著工廠設備到達使用壽命,製造組織將面臨危機。備品短缺、效能遲緩,以及軟體過時,在在都使它們處於脆弱的位置。由於設備故障和寶貴的停機時間,它們可能會導致生產中斷。

但這不僅僅是風險。

升級驅動當今工廠機器的機會很大。例如,向 IT 和 OT 聚合(工業 4.0 的基石)邁進,需要更加開放和連接的軟體驅動基礎架構。

透過電腦視覺、邊緣人工智慧和機器學習等新技術來獲得優勢,取決於高運算平台和經過升級的軟體環境。

開放、靈活且高效能的工業電腦提供製造商以往無法獲得的選擇:能夠實現持續創新的全新平台,使企業能夠更快地適應、領先於全球市場變化並提高競爭力。

但是,您如何在對日常營運影響最小的情況下達成該目標?並沒有正確的答案。您的路徑將取決於應用程式需求,並且有以下三種路線:

  • 保持目前的軟體和作業系統環境
  • 保留您目前使用的軟體,同時運行新的軟體
  • 部署軟硬體和驅動程式的全面升級

我們將探究所有這三個選項,以及為何不管採用哪種方法,在虛擬化平台之上進行建構都能為現在和將來帶來好處(圖 1)。

升級硬體時,有三個物聯網軟體平台選項。
圖 1. 升級硬體時,有三個物聯網軟體平台選項。

保持您的物聯網軟體平台

對於許多應用程式而言,最常見的情況也可能是阻力最小的途徑:硬體升級幾乎極少或無須變更現有軟體環境。

一家公司正在使這種選擇成真。DFI PM 資深總監 Jerry Chang 表示:「您可以升級到全新硬體,並且仍然保留舊的軟體環境。這是一項較小的工作,工廠可以將老舊系統移轉到全新機器上。因此在很多方面都是兩全其美。」

製造商無須犧牲大量時間和精力來重新編寫軟體,即可獲得更高的可靠性和更出色的效能。而 IPC 滿載強大的處理能力,因此有增加更多功能的空間。

將物聯網軟體平台遷移到全新硬體

一家全球顯示器面板技術供應商與 DFI Inc. 合作,在其全球工廠中順暢更新 IPC。

例如,其一家工廠的控制器老化導致品質問題急劇增加。由於經過微調的測試設定檔數量眾多,因此最好的途徑是繼續使用其老舊的基於 XP 的檢查工具軟體。DFI 提供了最新的 IPC 硬體和虛擬機環境,使製造商能保留其現有軟體以進行無縫遷移。

Chang 將變得太慢且不可靠的 10 年筆記型電腦升級過程予以比較。「以下是類似的情況。你想玩自己喜歡的遊戲,但 Windows 10 不支援。你可以購買最新且最強大的筆記型電腦,透過 VM 技術,你可以輕鬆遷移整個系統。開機時,您將看到相同的 UI。你可以相同的方式登入,一樣的桌布,所有內容都相同,只是效能更快。」

為了滿足其需求,面板製造商部署了 DFI RM641-SD,這是一款經過 Intel® 認證的「 隨時準備執行」的新一代 IPC。透過預先安裝的虛擬化軟體,您可以對其進行自訂以執行 Windows XP 和與 AU Optronics 舊系統關聯的應用程式二進位檔案(圖 2)。

RM641-SD 使用機架式外形的第 6 代 Intel® Core™ 處理器。
圖 2. RM641-SD 使用機架式外形的第 6 代 Intel® Core 處理器。

但是,將舊軟體遷移到新硬體需要「相互對應」的升級。Chang 表示:「如果有五個 USB、三個相機和兩個 LAN 連接埠,則我們需要一個配置完全相同的系統。因此,針對此使用案例,我們設計了一塊符合規格的主機板,並移植了客戶的軟體映像檔。」

當智慧型工廠需要新軟體時

一些工廠正見證將多個控制器的功能整合到一個強大平台中的好處:透過軟體實現營運效率和創新。在這種情境下,面板製造商可能會在一部機器上同時執行 Windows XP 和基於 Windows 10 的測試,進而在不同的作業系統環境中支援不同的工作。

新舊軟體可以同時執行;在部署最新一代硬體和新軟體的同時,維護其現有軟體、I/O 和應用程式。

但是,當工廠運作要求 XP 不支援的技術升級時會發生什麼呢?OT 工程師在重寫應用程式、驅動程式,以及為 Windows 10 支援舊版 I/O 方面面臨著更大的開發工作。結果是為最新和最出色的 IIoT 技術建立的 IPC,以及不斷創新的更多可能性。

在面板製造商製造 4K 和 8K LCD 面板的工廠中確實如此,它們使用高解析度的攝影機進行檢查。系統會使用 Windows XP 不支援的視訊解碼技術:提示遷移到 Windows 10 環境。

Chang 表示:「在這種情況下,客戶從頭到尾都在尋找全新的控制器。他們需要機器效能和軟體。因此,這是一個完整的開發專案,而不是簡單的硬體遷移。」

此外,它們還針對智慧型工廠中部署的各種人工智慧和機器學習應用程式而設定。XP 在此並非一個便利的選擇,在該平台上,諸如 Azure IoT Edge 之類的平台和諸如 Intel® OpenVINO 之類的工具組主要僅適用於 Windows 10。

超越嵌入式系統

面板製造商發現與 DFI 合作確實節省時間。在自訂 IPC 之上建構靈活、虛擬化環境的能力簡化了系統升級。  移植軟體、微調驅動程式,甚至提供現場支援等服務確保了平穩過渡。

製造商不僅解決了舊工廠控制器需要精心維護和故障問題,而且延長了設備的使用壽命並提高了生產力。此外,該公司的成立旨在更快地創新、提高競爭力並適應全球變化。

擴增實境與人工智慧改寫醫學成像的局面

隨著現代醫學的所有進步,很難想像在 1895 年 Wilhelm Roentgen 意外發現 X 光之前,診斷場景有多麼不同。發現腫瘤或骨折僅限於身體檢查與醫生的最佳臆測。在發現的第一年內,歐洲和美國的醫生正在使用 X 光定位槍擊的子彈、骨折、腎結石和吞嚥的物體。到了 1900 年,X 光對於臨床護理至關重要。

如今,從 X 光到 MRI 的成像幾乎涉及患者護理、診斷和治療的各個方面。人工智慧 (AI) 和擴增實境 (AR) 中的最新醫療技術應用正在為先進的成像技術帶來顛覆性的新面向,其潛力與最初發現 X 光一樣具有革命性。

擴增實境增強了手術規劃

這場革命最前線的公司之一是 Novarad,這是一家提供醫療解決方案的公司,從突破性的成像到邊緣的即時分析,以確保資料共享。

其 OpenSight AR 外科手術系統使臨床醫生可以看病人,並且基本上可以同時看穿病人,進而使醫生能夠查看互動式 3D 成像研究。放射科醫生、內科醫生和外科醫生可以使用 Microsoft HoloLens AR 護目鏡來與成像資料進行互動,並查看以解剖方式正確顯示在患者身上的影像。

Novarad 執行長 Wendell A. Gibby 醫學博士表示:「影像技術的進步除去了醫學上的一些猜測,降低了患者的風險,並使手術更加精確。而且它比傳統的方法便宜許多,傳統的方法是拍攝 3D 影像並將其載入到價格是其五倍的手術指導系統中。」(圖 1

使用擴增實境進行醫學成像使臨床醫生能夠觀察和進入患者體內,以取得更出色的手術規劃與結果。(資料來源:Novarad)
圖 1. 使用擴增實境進行醫學成像使臨床醫生能夠觀察和進入患者體內,以取得更出色的手術規劃與結果。(資料來源:Novarad)

在 OpenSight 中使用獲得專利的虛擬工具表示外科醫生可以執行先前非常困難的手術,即使並非不可能做到。Gibby 表示:「我有一位患者,他的背部非常退化,痛苦不堪。我們試圖進行硬脊膜外類固醇注射,但是胸椎太緊,無法找到進入點。使用 CAT 掃描並對準擴增實境導引系統,我們得以找到一個可以穿透的小孔。它為我提供了最佳的進入點、角度和深度,並最終成功完成了該手術。」

從大量的醫學影像儲存中建立可採取動作的資料

由於成像對於醫學診斷和治療至關重要,因此有意義的是,臨床醫生希望盡可能存取更多資料以做出醫療決策。而且,儘管資料儲存量很大,但由於難以以有意義的方式存取資料,因此經常未能充分利用資料。

Gibby 表示:「Novarad 提供了放射科中大量龐大資料之間的關聯,並能夠對其進行處理以建立可理解且可採取動作的資料,並將其分發給醫生進行進階處理。

雖然許多醫學影像可以儲存在雲端中,但使用 3D 和 4D 技術進行數位成像這令人振奮的未來則要求將資料置於邊緣以便快速查看。

這就是 Novarad 建立 EdgePACS 解決方案,以使用強大的硬體將人工智慧功能引進本地工作站的原因。擷取看不見的腫瘤資訊、評估腹部脂肪組織增加的人患糖尿病的風險,或在外傷中緩解腦部功能;所有這些都需要即時分析。而且放射科醫生沒有時間等待雲端作業。

Gibby 表示:「邊緣運算使我們能夠在本地處理大量資料,而 Intel® 正在藉助電腦技術協助實現該目標。

使醫學影像易於存取且安全

雖然能夠輕鬆地在臨床護理生態系統中傳輸患者資料既方便又節省時間,但醫療保健組織需要考慮並適應 HIPAA 的合規性和安全性問題。Novarad 透過 CryptoChart 解決此挑戰,CryptoChart 是一套共享醫學影像的安全解決方案(圖 2)。

CryptoChart 在 QR 代碼中嵌入了一個 3,000+ 位元的密碼,使臨床醫生可以安全地共享資料。
圖 2. CryptoChart 在 QR 代碼中嵌入了一個 3,000+ 位元的密碼,使臨床醫生可以安全地共享資料。

CryptoChart 產生一個簡單的 QR 代碼,使收件人可以從其行動裝置或桌上型電腦存取、查看和共享影像。Gibby 說:「我們獲取密碼、登入、網站和識別資訊,並將其嵌入光學代碼中。從字面上看,它是一個 300 多個字元或超過 3,000 位元的加密密碼。這樣做的好處是,如果有人設法破解了它,他們只會得到一份研究,因為它與每個人都有關聯。」

過往是序幕

Wilhelm Roentgen 製作的首批影像之一是他妻子的手,其中顯示出她的手指和所戴的戒指。當她看到影像時,Roentgen 夫人應該說:「我已目睹我的死亡。」今天,也許她會很高興看到丈夫的發現,以及隨後奠定的技術已大大提升了醫療保健成果並改善全世界人們的生活。

垃圾車如何使智慧城市更安全

您是否曾經想過像垃圾車這樣平凡的事物對於智慧城市的發展至關重要?台北市政府的官員一定是這樣想。

台北市已在市屬垃圾車上安裝了 128 部攝影機,以監控可疑活動,遏制繁忙城市中的街頭遊蕩並改善整體公共安全。視覺系統使用地理柵欄和行人偵測來識別進入特定區域的人員,然後使作業員能透過網頁界面遠端監視視訊摘要(圖 1)

台北市的垃圾車配備了 NVR 和 IP 攝影機,可以遠端監視地理柵欄區域。(資料來源:EverFocus)
圖 1.台北市的垃圾車配備了 NVR 和 IP 攝影機,可以遠端監視地理柵欄區域。(資料來源:EverFocus

當然,這種使用案例需要的不僅僅是在城市車輛上安裝攝影機。為了盡量減少成本,視覺系統必須能在本地儲存相關的視訊片段,而不是透過行動網路串流傳輸大型視訊檔案。同時,系統需要將正在發生的事件通知官員,以便他們可以對需要關注的情況迅速做出反應。

最後,該解決方案必須具有足夠的效能以:

  • 同時處理多個視訊摘要
  • 提供足夠的輸送量以處理行動視訊監控所需的畫面播放速率
  • 以高準確度執行物體偵測和識別演算法

行動 NVR,卡車上使用夠強悍

為了符合這些要求,台北市與 EverFocus Electronics 合作。該解決方案採用 eIVP5600,eIVP5600 是一款支援人工智慧的無風扇行動網路錄影機 (NVR),如圖 2 所示。

EverFocus eIVP5600 是一種支援人工智慧的無風扇行動 NVR 解決方案。(資料來源:EverFocus)
圖 2. EverFocus eIVP5600 是一種支援人工智慧的無風扇行動 NVR 解決方案。(資料來源:EverFocus

eIVP5600 是搭載第 7 代 Intel® Core 處理器技術和 Intel® Movidius Myriad X 視覺處理單元 (VPU) 堅固耐用的 NVR。它支援 4 通道 IP 攝影機和最高可達 1 TB的儲存空間,足以錄影大約兩週。無風扇系統的設計符合 MIL-STD-810G,可輕鬆承受車輛環境中遇到的衝擊和震動。

效能對於台北的垃圾車監控計畫的成功極為關鍵。針對多個視訊摘要執行物體偵測和識別功能需要即時處理大量畫面。而應用程式的行動性質則表示必須以不同的畫面播放速率擷取視訊,才能向推斷引擎提供準確的輸入資料。

為了改善畫面擷取和推斷執行,EverFocus 工程師使用 Intel® OpenVINO 工具組最佳化其現有的 OpenCV 模組(圖 3)。該工具組為人工智慧開發提供了一個統一的框架,其中包括諸如 OpenCV 之類的深度學習資料庫,最終的最佳化將其推斷演算法從 65% 的準確性提升到了 90%。

Intel® OpenVINO™ 工具組包括各種人工智慧技術平台,例如 OpenCV、OpenCL 和 OpenVX。( 來源:Intel® )
圖 3. Intel® OpenVINO 工具組包括各種人工智慧技術平台,例如 OpenCV、OpenCL 和 OpenVX。(資料來源:Intel®

這些演算法在 NVR 的超低功耗 Movidius 模組上執行,該模組作為專用的神經網路加速器,能夠每秒執行超過 1 兆次浮點運算。

EverFocus 的行銷副理 Paul Lee 表示:「OpenCV 模組將像素傳送到 OpenVINO,以確保將正確的影像資料傳送到 Movidius VPU 上執行的推斷引擎。我們無須訓練資料,因為我們從 OpenVINO 獲得了訓練資料。」

Lee 補充表示:「eIVP5600 支援最多可達八個用於 IP 攝影機的通道,並且可以針對特定通道上的視訊串流執行特定的人工智慧演算法。

除了物體偵測和識別外,eIVP5600 NVR 軟體還支援駕駛員疲勞和注意力分散監控、行人偵測和人數統計。

人工智慧技術減少網路成本

為了將網路成本減到最少,支援 3G/4G/Wi-Fi 的 eIVP5600 會定期僅將中繼資料(例如車輛位置)傳輸到後端伺服器。但是,當人工智慧將視訊標記為相關聯時,該視訊片段會自動上傳到伺服器,並將警示傳送給作業員。然後,作業員可以使用通用閘道介面 (CGI) 命令來存取 eIVP6500 平台上儲存的視訊片段,或即時觀看視訊摘要直播。

為了進一步節省網路傳輸成本,eIVP6500 可以錄製 4K、1080p、CCTV (704 x 480) 或 VGA (640 x 480) 解析度的視訊。這讓使用者可以靈活地在必要時即時觀看高解析度視訊,或儲存低解析度複本以供日後審查。

垃圾是通往智慧城市的門戶

NVR 以往一向用於基本的錄製和播放功能,得益於人工智慧功能,NVR 成為成熟的數位安全和監控 (DSS) 系統。在台北市等具有前瞻性的城市中,它們可以加速向智慧城市過渡。

雖然像 EverFocus eIVP5600 這樣的 NVR 目前正在監視人們,但建立更智慧城市的選擇似乎永無止盡。可以載入演算法來識別坑洞、損壞的路燈,以及其他需要維修或更換的基礎設施。這些配備視覺系統的垃圾車以常路線行駛,可標記基礎設施的位置、日期、時間和狀態,進而向派遣工作人員發出中繼資料警示。並且,一旦到達現場,這些工作人員就可以參考錄製的視訊檔案以正確評估問題。

至少在短期內,這種方法比完全重新建構城市基礎設施並使用支援無線功能的感應器平台代替它要來的實際。

為垃圾車聯網準備就緒。

製造商如何超越人工智慧臨界點

工業上採用企業人工智慧正處於臨界點。早期採用者已看到明顯的好處,例如提升產品品質和資產維護,但是更廣泛的製造業在充分利用人工智慧方面進展緩慢。

是什麼阻礙了進度?缺少的一項要素就是人工智慧就緒的資料基礎設施。

工業人工智慧必須知道製造活動在何時何地發生,例如,在廢金屬通過工廠成為鋼捲成品的過程中加以追蹤。像 SQL 和 Hadoop 這樣的平台不適合此工作,因為它們缺乏在製造過程中追蹤材料的時間和位置的能力。

因此,通往智慧工廠的旅程需要徹底重新思考如何從製造設備上的感應器擷取資訊。

但是,建立人工智慧就緒的資料庫有許多要素。人工智慧的真正威力在於其能夠關聯整個組織中事件的能力,從廠區 (L0) 個別資產的原始資料一直到企業軟體 (L4)。如果這些系統缺乏共享的時間和空間感,那麼將如何解譯其資料?

許多作業技術 (OT) 系統仍與較大的 IT 基礎架構保持中斷連接。在廠區尤其如此,那裡的許多機器無法以互連的方式工作,更不用說人工智慧就緒的資料基礎架構了。

人工智慧創業公司平台與通路副總裁 Spencer Doyle 表示:「如果您要成為企業人工智慧就緒,就必須改變收集資料的方式。資料需要針對人工智慧存取進行專門的組織,就像對資料湖泊或商業智慧關係資料庫進行整理一樣,但是逼真度更高,我們所說的是 PB。」

全新的人工智慧基礎架構

為了解決該問題,Noodle.ai 看到需要一種全新的資料結構,該結構可以擷取從工廠設備一直到 ERP 系統的精確定時和定位的資料。這就是為什麼公司會建立其企業人工智慧平台的原因,該平台是一種端對端解決方案,可與所有 OT 和 IT 系統整合(圖 1)。

Noodle.ai 企業人工智慧平台及其資料流程提供了工業 4.0。
圖 1. Noodle.ai 企業人工智慧平台及其資料流程提供了工業 4.0。

透過將所有這些資料集中到一個統一的時空感知系統(時空相關資料庫)中,Noodle.ai 企業人工智慧平台可以偵測異常並將該發現與該應用程序(如 Noodle.ai 的 Vulcan 製造套件產品品質人工智慧應用程式)中的機器學習演算法相關聯。透過其直覺的介面,Vulcan 套件使製造商能夠解決關鍵問題,例如資產健康、產品品質和供應鏈管理(圖 2)。

Noodle.ai Vulcan 製造套件可提供關鍵製造問題的見解。
圖 2. Noodle.ai Vulcan 製造套件可提供關鍵製造問題的見解。

在共享平台上統一資料至關重要。例如,瞭解機器何時發生故障,以及更重要的是,為什麼會對產品品質、生產線排程等產生直接影響。

共享平台也很重要,因為企業人工智慧不是一個,而是一組互連式應用。Doyle 說明:「您需要建立數百個人工智慧模型,其中一些是很瑣碎的演算法,僅對一項資產有用,而有些則對掌握著整個系統。

這些人工智慧模型中的每一項不僅將執行不同的功能,並詢問不同的資料集問題,而且最終它們將結合在一起以投入複雜的資料科學演算法,來提供如何最佳化工廠運作的建議。」 Doyle said.

建立智慧工廠架構

達成此目標需要精心設計每層級的企業資料堆疊。在廠區,共享的時間概念同樣是關鍵因素。Doyle 表示:「如果您要執行精確的時間協定,則您將能得以建立時間序列資料。無論是 Honeywell 還是 Rockwell,都沒關係。」

精確掌握時間很重要,因為不同系統上的時鐘會隨時間浮動。對於人工智慧系統,此浮動將顯示為過程長度的變化,進而導致對效能的評估不準確。

同步對於 ERP 和其他 IT 系統也至關重要。Doyle 表示:「那是我們的部分秘方。我們需要一個時間戳記,將其傾斜,並根據您資產的時間戳記對其進行剪裁,以使您的 SAP ERP 系統與工廠系統完美同步。」

儲存和可靠性對於人工智慧至關重要

這就留下了資料應該實際存放在哪裡的問題。公共雲端是一種選擇,但是它們可能會帶來無法接受的延遲。畢竟,工業級企業人工智慧的最終目標是讓工廠能夠在邊緣即時做出決策並採取行動。

可靠性是另一個考量。Doyle 表示:「工廠網路停擺時會發生什麼?您必須在廠區進行備份,以保持資料集的時間連續性。」

這表示企業需要在現場建立 PB 等級的人工智慧系統,這至少可說是一項艱鉅的挑戰。這就是 Noodle.ai 採用人工智慧即服務的方法,與 Dell EMC 合作提供端對端軟硬體解決方案的原因。

Doyle 表示:「我們的設定實際上非常簡單。您可使用偏好的系統整合商。您將搭載 Intel® 的 Dell Edge Gateway 和 Dell R740 投入工廠,並委託 Noodle.ai 來建立您的私人堆疊,然後我們管理整個事務。」(圖 3

Noodle.ai 的企業人工智慧平台是搭載 Intel® 支援的 Dell EMC 硬體所建立的。
圖 3。Noodle.ai 的企業人工智慧平台是搭載 Intel® 支援的 Dell EMC 硬體所建立的。

這種方法也使安全性變得輕而易舉。Doyle 表示:「我們提供的封閉式設備具有可透過客戶的安全性設定檔進行保護的邊緣裝置,因此 CISO 可以將其端點軟體置於邊緣。他們的 CISO 可以步行到我們的資料中心,並將其端點軟體放在機架上,因此它只是其網路上的另一個節點。」

現在就開始行動

製造商快速採用企業人工智慧至關重要,因為經驗豐富的機器作業員正在逐漸退休。需要其作業知識來告知不斷學習的人工智慧模型,該模型會隨著時間的流逝受到訓練;這個過程重視人工覆寫和輸入。

Doyle 表示:「我們很幸運擁有稱為人工智慧的技術,它能夠從人類那裡獲取輸入,然後在下次系統做出決定時將該輸入作為變數。」但是在接下來的 10 年中,將有許多工人退休,時間已不多了。

Doyle 表示:「實施企業人工智慧系統,然後向不習慣與此類技術進行互動的經驗豐富的作業員面前展示。尊重這些運作您機器和工廠 20 到 30 年的工人智慧結晶,這是道德上的首要任務,以獲取他們數十年的知識和經驗來經營其工廠。」

LPWAN 提供冷鏈物流

多年來,2G 晶片組變得相當便宜,足以嵌入到低成本物聯網裝置中。同時,電信業者為了少量資料提供了極具吸引力的價格。這些因素使 2G 行動數據對於資產追蹤、物流和遠端監控等物聯網應用至關重要,因為替代的行動數據解決方案以更高的成本提供了多餘的頻寬。

但是在過去幾年來,世界各地的電信業者一直在關閉其 2G 和 3G 服務。

現在,出現了諸如 LTE Cat M1、NB-IoT 和 LoRa 之類的低功耗、廣域網路 (LPWAN) 標準,以實現輸送量、服務品質 (QoS) 和成本之間的平衡,進而使其非常適合行動物聯網使用案例(圖 1)。

LPWAN 技術為遠端和行動式物聯網應用程式提供了新的選擇。
圖 1. LPWAN 技術為遠端和行動式物聯網應用程式提供了新的選擇。

如圖所示,每種技術在延遲、功耗、頻寬和成本方面都有優缺點。這表示必須在逐個應用程式的基礎上考慮選擇一個 LPWAN 解決方案而不是另一個。

行動物聯網應用程式的靈活選項

冷鏈物流營運商不必只選擇一種 LPWAN。

OnLogic 的解決方案架構師 Johnny Chen 表示:「根據您使用的資料量,M1 或 NB-IoT 類型的服務每年的費用可低至 6 美元。而且,這還取決於您對延遲的要求是什麼,以及必須達到的即時程度。」

Chen 繼續表示:「現在,對於感應器連接能力,沒錯,M1 的價格很便宜,但是如果您在 M1 上有 100 個感應器,那麼所有服務仍然要花很多錢。在端點方面,您想使用基本上免費的東西。」

那「基本免費」的選項可能是 LoRa。透過簡化的調變技術,LoRa 模組比 LTE 同類產品更便宜。它還可以在未授權的 Sub-GHz 頻譜中運作,進而減免了傳統的網路電信業者的服務費。

但是,部分行動物聯網應用程式可以從 LoRa 的低成本以及 NB-IoT 或 LTE Cat-M1 等行動選項提供的更高可靠性中受益。冷鏈追蹤提供了一個完美的範例,說明如何結合使用這些新興網路技術來簡化從 2G 網路的遷移。

結合連線能力進行冷鏈追蹤

冷鏈追蹤是監控容易腐壞的貨物在整個供應鏈中(從製造到運輸再到倉庫或最終目的地儲存)過程中溫度或濕度的過程。

在組合式 LP-WAN 情境中,配備了低成本、支援 LoRa 的溫度感應器模組的貨板可以與製造設施和倉庫中的私人 LoRa 網路進行通訊。然後,當在經過氣候控制的貨運車輛中運輸時,回程通訊可以透過更可靠的行動技術進行。

那麼該如何實現呢?透過組合的 NB-IoT 或 LTE Cat-M1 和 LoRa 行動閘道裝置。

Chen 表示:「這是一個很好的例子,我們建議客戶在主邊緣系統上混合使用幾種技術。您既可以將其用作 NB-IoT 或 M1 的閘道,也可以將其用作所有感應器的 LoRa 閘道。這使其非常具有成本效益,並且使其易於在現場實施。」

OnLogic 開發了多種支援 LTE Cat-M1 的 Intel® 處理器供電的行動邊緣系統。諸如 ML350G-10 之類的系統還包含多個 PCIe 或 mPCIe 擴充插槽,可容納 NB-IoT 或 LoRa 網路卡(圖 2)。這使得這些平台可以作為多連接性閘道,進而可讓冷鏈營運商使用低成本、低頻寬的通訊,直至貨板感應器,並使用更高的 QoS 技術進行無線回傳。

ML350G-10 是一款堅固耐用的行動閘道,支援 LTE Cat-M1、NB-IoT 和 LoRa 通訊。(資料來源:OnLogic)
圖 2. ML350G-10 是一款堅固耐用的行動閘道,支援 LTE Cat-M1、NB-IoT 和 LoRa 通訊。(資料來源:OnLogic

ML350G-10 上的 Intel Atom® 處理器還與 Intel® OpenVINO 工具組中開發的機器學習演算法相容。此功能可以整合到諸如冷鏈追蹤之類的應用中,以協助在透過行動網路傳送更昂貴的訊息之前對資料進行預處理,或者與攝影機連接以對試圖存取正在運輸貨物的人員進行臉部識別。

並且,一旦貨物到達,動態網路配置可以自動將基於 LoRa 的感應器模組移交給目的地中成本更低的私人 LoRa 網路。

Chen 表示:「透過 LoRa,您可以從一個 LoRa 網路跳到另一個網路。在貨板上放置 LoRa 的整個想法是因為它可以在該貨板的整個生命週期中生存,這表示當牛奶在那兒時,它將追蹤冷凍級別以確保始終處於冷凍狀態。」

Chen 繼續表示:「透過這種方式可以記錄曾經的位置,例如,如果發生召回事件,則更容易追蹤。此牛奶具有這個序列號碼,已向全世界廣播,因此您可以追溯到它所運送的銷售市場、交貨地點,以及甚至如果有問題的話是放在哪個貨板上。」

邊緣人工智慧的新使用案例

有太多選項並不是一件壞事,尤其是在通訊方面。如冷鏈追蹤範例所示,LPWAN 技術可以一起使用,也可以單獨使用,以滿足最終使用案例的需求,而無論重點是可靠性、頻寬還是成本。

但是,除了混合和搭配這些互補技術外,當機器學習進入方程式時,事情會變得更加有趣。能夠在邊緣進行人工智慧推斷的經濟型、低功耗邊緣閘道有可能透過預處理感應器資料來降低整個網路成本、提供更深入的分析見解並啟用全新的使用案例,進而轉變整個行業。

如果您可以在貨運車輛上執行物體識別和偵測演算法,並透過低成本通訊技術傳輸中繼資料以進行智慧城市基礎設施管理,會怎麼樣?

似乎很牽強?閱讀垃圾車如何使智慧城市更安全

當健康科技遇見區塊鏈

對很多人來說,區塊鏈和崛起中的虛擬貨幣(如比特幣)兩者毫無二致。但事實上,區塊鏈技術也可以位許多仰賴感應器資料串流的重要應用程式帶來好處,提供資料完整性和安全性

要怎麼做到?

區塊鍊是一種分散式帳本,在這個點對點網路中有多個高效能運算節點在運作,運用網路資源來驗證特定交易的真實性。所有節點一一驗證交易和交易相關資料後,會新增一串交易紀錄(稱為一個區塊),多個區塊合在一起則形成區塊鏈(圖 1)。

在區塊鏈中,多個網路節點分散運作,來驗證交易的真實性。(資料來源:101 Blockchains)
圖 1.在區塊鏈中,多個網路節點分散運作,來驗證交易的真實性。(資料來源:101 Blockchains

每一個新增到區塊鏈上的區塊鏈都會簽上前面一個區塊的密碼雜湊,如果有人試圖篡改區塊中的資料,雜湊就會跟著改變。要想操弄區塊鏈,就必須改變目標區塊的密碼雜湊,以及區塊鏈中每一個緊接在其後的區塊的雜湊。

理論上,這代表可以透過經高度驗證的區塊鏈資料,來確保採用自動化規則的系統並沒有使用遭篡改或不正確的信息。而對於必須遵循資料隱私和安全性規定的應用程式來說,有了不可篡改的帳本,幾乎可以保證其記錄不會遺失或遭到篡改。

但要在邊緣環境中使用區塊鏈,仍有一些重大阻礙。舉例來說,區塊鏈節點通常必須要相當堅固強大,能夠儲存整份交易帳本。雖然串流資料應用程式通常要求一秒以內的延遲,在加密貨幣應用中,區塊鏈交易驗證可能長達五到十分鐘。

不可篡改的帳本,適合健康科技

這些限制代表現今主流的區塊鏈實作並不適用於串流資料使用案例,如採用位於奧斯丁的公司 Litmus Health 的技術的臨床試驗。

Litmus Health 為了結合應用程式的需求和區塊鍊提供的不可篡改性、安全性和完整性,與物聯網資料自動化專家 Sixgill 展開合作。

Litmus Health 提供的是一個技術平台,平台從遠端的病人監測裝置汲取資料,如智慧型手機、穿戴式裝置、和居家感應器等,以此幫助醫療研究者研究癌症、慢性炎症疾病等狀況(圖 2)。透過行動裝置應用程式,感應器資料被即時傳輸到 Litmus 平台的內部或雲端執行個體。

Litmus Health 提供的臨床資料科學平台讓醫療研究者可以根據邊緣即時傳輸的病人感應器資料來進行試驗。(資料來源:Litmus Health)
圖 2.Litmus Health 提供的臨床資料科學平台讓醫療研究者可以根據邊緣即時傳輸的病人感應器資料來進行試驗。(資料來源:Litmus Health​​​​​​)

儘管 Litmus Health 使用的裝置有資源匱乏的問題,且需要低延遲的資料傳輸,區塊鏈依然能滿足此應用所需的一些要求。

舉例來說,為了剔除試驗偏見、提供研究者最準確的資料,所取得的感應器讀數不能進行正規化處理,因此必須將所有資料視為個別時序事件。Litmus Health 的平台以及會接觸到的資料也受法規規範,如 HIPPA、美國食品藥物管理局的美國聯邦法規第 21 章第 11 條標準,以上標準規範電子醫療紀錄的隱私性、安全性、可靠性核可性度。而要達到這點,需要高度的資料可追溯性和可稽核性。

將區塊鏈應用於即時且資源有限的醫療照護

Sixgill 的 Integrity 是一個不分裝置、資料的區塊鏈解決方案,專門針對時序資料流。為了將區塊鏈的功能帶到 Litmus Health 等應用程式中,邊緣系統會有一個小巧的代理程式。這些資料接著會被整合到 Integrity 的「鏈上、鏈下」混合架構。

「我們建立了混合架構,使用可水平擴充的大數據技術,專用於處理資料。」Sixgill 的 Chief Architect 暨 Vice President of R&D, Dominiek Ter Heide 表示。「我們也使用 IBM Hyperledger 作為驗證過程的控制層。所以,針對所有經過系統的資料,我們都會做滾動雜湊,而我們是在 IBM Hyperledger 上進行。」

更具體地來說,Integrity 的「鏈下」部分是建立在分散式佇列、elastic search(彈性搜尋)和 Kubernetes 之上。這上大量高速的資料流得以從採用 Intel® 處理器的端點或閘道,直接流向 Litmus 等候端資料平台。

另一方面,此解決方案的「鏈上」部分是建立在 IBM 的 Hyperledger 區塊鏈技術之上。此層技術會將滾動雜湊加到事件序列資料上,以此驗證交易內容。各筆交易的加密雜湊和額外的元數據接著會被儲存到 Hyperledger 上。

最後,Hyperledger 會再次進行稽核,接著每個交易區塊會被交到比特幣的公開帳本上(圖 3)。

Sixgill Integrity 採用鏈上/鏈下混合架構,讓區塊鏈可以被用於低延遲、資源有限的應用中(資料來源:Sixgill)
圖 3.Sixgill Integrity 採用鏈上/鏈下混合架構,讓區塊鏈可以被用於低延遲、資源有限的應用中(資料來源:Sixgill

「它可謂稽核線索的稽核線索。」它會涵蓋 Hyperledger 中所有不同區塊的歷史,產生另一個滾動雜湊,以及可以辨識不同區塊的獨特簽名。接著將簽名加到比特幣公開帳本上。」Ter Heide 解釋道。

他補充說:「它就像一個變速箱,系統中有不同的資料流和驗證,像不同齒輪一樣,而最後一站是比特幣。」

Integrity 透過這種多層次的資料流和交易驗證方法,為 Litmus Health 提供了安全、法規級的資料可稽核性,範圍涵蓋整個資訊生命週期(圖 4)。而且這一切可以在一秒以下的交易延遲的前提下達成。

Litmus Health 使用 Sixgill Integrity 作為一個法規級的稽核平台,平台涵蓋整個病人資訊生命週期。(資料來源:Sixgill)
圖 4。Litmus Health 使用 Sixgill Integrity 作為一個法規級的稽核平台,平台涵蓋整個病人資訊生命週期。(資料來源:Sixgill

比特幣以外的區塊鏈

Litmus Health 與醫院、大型製藥公司和其他組織合作,對這些組織和機構來說,資訊完整性舉足輕重。若是出現資訊處理不當、資訊有誤或損壞的情況,很可能會導致訴訟、醫療誤診、開發出無效藥物或治療方法等。

在這種情況下,對於區塊鏈類的解決方案的需求顯而易見。

此外,區塊鏈還可以支援多種其他使用用例,能為低延遲,資源受限的環境帶來好處。需要高完整性資料來驅動自動化動作、遵循行業標準與規範或增加安全性的關鍵應用程式,都應該探索區塊鏈。

區塊鏈技術已超越比特幣。而您的物聯網系統可以從中獲益。

店內邊緣整合零售資料

現今的零售商面臨巨大的壓力。得要跟上電商巨頭的腳步,不然就會敗下陣來。但究竟如何趕上卻是另一個問題。技術升級是必要的,但是選擇實在太多了(包括技術本身和提供技術的廠商),零售商難以摸透整個生態系統。

零售商決定要投資後,又會面臨其他挑戰。新的解決方案可謂聖杯一般的存在,這些技術方案使用先進的零售分析來提供新的、即時的洞見。但零售商如何能將它們整合至陳舊的系統(有時由多個不同的廠商提供),又不影響現有的經營狀況或帶來昂貴的開銷呢?

答案就在邊緣。拜開放標準和強大的運算所賜,系統整合商能在邊緣將多個不同的元素和資料流結合成流暢的端對端解決方案。

整合零售資料流

IOTech Systems Limited 提供的物聯網邊緣運算平台讓零售商和系統整合商能充分利用這些新技術,並快速部署解決方案。

「我們的平台讓系統整合商能將同級最佳的裝置與各種零售應用程式結合起來,形成一個整合的、由資料驅動的解決方案。」IoTech Systems 的產品總監 Andy Foster 表示。「更重要的是,我們的平台讓你可以補強現有系統,而不是完全更換。」這代表零售商可以輕易的將新的元素納入他們的環境中。

這也讓零售商可以輕鬆協調和管理部署在邊緣節點的應用程式。零售商能以大規模、跨零售環境的方式將新功能加到系統裡,或升級現有功能(圖 1)。

IOTech 邊緣運算平台在邊緣將零售資料融合,找出新洞見和新使用案例
圖 1. IOTech 邊緣運算平台在邊緣將零售資料融合,找出新洞見和新使用案例。

邊緣上的零售分析

由於延遲、系統反應能力、資料隱私和網路頻寬限制等因素,零售邊緣成為了軟體和硬體廠商的主要創新點。「畢竟,來自銷售點硬體、RFID 掃描器和智慧型攝影機等裝置的資料是在邊緣上進行整合的。」Foster 點道。

於是新的使用案例便應運而生。舉例來說,在預防損失的情境中,可以蒐集裝置資料並將資料餵入在邊緣節點上的分析應用程式,從而捕捉事件並即時通報異常。如有任何可疑活動,都可以自動發送通之員工,員工接著可以採取必要行動,且不打斷客戶的結帳過程。相反的,如果這些分散的資料必須餵到在雲端上的分析應用程式,員工採取即時行動的能力就會大大減弱。

邊緣運算幫助零售商改善員工配置。智慧影片可以追蹤店裡排隊的隊伍的長度,並在需要協助時通知商店經理。而且,零售商可以獲得重要的客戶行為洞見。他們在什麼地方花最多時間?他們是否能快速找到需要的東西,還是他們在特定的走道流連、相當疑惑?這些答案最終能改善服務,讓客戶更開心。

精簡部署過程

要能提供這些解決方案,零售商必須與其裝置和設備供應上和系統整合商 (SI) 合作,將所有元素結合成一個端對端解決方案。

IOTech 讓整合和部署的過程變得更簡單。物聯網邊緣整合平台是 Linux Foundation 的 EdgeX Foundry 的強化版,支援商業應用。這個計畫不分廠商、開放原始碼,是建立在一個常見的物聯網邊緣運算架構。

這個平台支援標準零售環境中常見的通訊協定。開放式 API 可以搭配新的應用,像是預防損失相關的應用,舊版應用程式也可以輕鬆整合在一起。舉例來說,在 NRF 2020,這些功能是 Intel® 開放零售計畫的預防損失展示的基礎。

IOTech 減少了實施概念證明 (POC) 的大量工作。事實上,為了能盡早實施 POC,這個解決方案的平台包含一些不需要客製開發即可使用的元素。

舉例來說,IOTech 提供一系列的服務和元件,支援 POC 所需要整合的、不同類型的感應器技術和裝置。「將裝置到雲端之間不同的裝置整合在一起,或是將應用程式帶到 @iotechsystems 上,只需簡單配置,不必大量編寫新代碼。」Foster 補充道。

這個解決方案能夠容納未來擴充和新功能。舉例來說,或許今天解決方案可以透過開箱即用的 ONVIF 相機整合支援智慧型相機整合,以及透過 Intel®​​​ OpenVINO​​​ 工具組整合來支援進階視覺和 AI。而且 IOTech 還計畫要支援其他功能,像是未來支援物件和臉部辨識。

Foster 表示,公司和 Intel 的關係非常重要:「不管是他們自己的角度(也就是晶片)的角度來看,還是從軟體廠商、平台供應商、裝置製造商和軟體應用程式專家的角度來看,Intel 都在開拓新疆界,將不同的參與者牽在一起,在多賣家的環境裡同時擁抱舊技術和新技術。真的相當的了不起。」