Insight Tech – Page 59

什麼是機器人的核心？電腦視覺和人工智慧

Posted on January 16, 2020August 18, 2020 by Pete Berta

編者註：insight.tech 支持終結種族主義、不平等與社會不正義行為。我們不容忍我們贊助商的產品用於侵犯人權，包括但不限於政府濫用視覺化技術。insight.tech 上所提到的產品、技術和解決方案皆假定為以負責且合乎道德的方式使用人工智慧以及電腦視覺工具、技術和方法。

長久以來，機器人一直是科幻小說的主角，在 1956 年的電影《禁忌星球》中初次登場的機器人羅比有著鮮明的個性和冷面幽默的形象；而美國電視影集《太空迷航》裡的機器人 Model B9 也有著超越人類的力量與音樂才華。

當然，在這個星球上（更遑論在最遙遠的太空裡），我們還要努力很久才能研發出具有獨特個性、能保護與陪伴人類的全自動機器人。然而，我們已能看到智慧型機器人應用在日常生活的各個面向，包括：

接待客戶、回答問題以及引導零售買家
提供醫院設施資訊和持續照顧病患的指引
接待訪客、引導他們前往接待處，以及將行李搬至飯店客房
接受付款和收集金融中心的帳號資訊
在倉庫四周搬運貨物、擔任下班後的警衛工作

智慧型服務機器人剖析

影片 1 展示 New Era AI Robotic Inc 的智慧型服務與運送機器人，此系統採用同步定位與環境地圖建立 (SLAM) 演算法、語音及人臉辨識軟體和完整的感應器套件來執行上述的工作。

影片 1. 在多種產業中，智慧型服務與運送機器人已躍升助理角色。(資料來源：New Era AI Robotic)

這些功能是在兩個單獨的子系統上執行：一個是用於導覽與控制，另一個是用於驅動使用者介面。

核心能力：電腦視覺和深度學習

New Era 的內部 SLAM 技術是其機器人的關鍵核心，可讓 40 至 50 公斤重的機器人安全地導覽環境。可以確定的是，以控制為導向的 SLAM 軟體是以多個感應器的輸入資料來運作，提供機器人 2D/3D 的環境視野來進行物體的偵測、辨識和迴避。

New Era AI 的 SLAM 軟體主工程師 Allen Tsai 表示：「自動駕駛汽車有非常多的感應器，同樣地，室內機器人無法只仰賴一個感應器，在現實環境中，像購物中心那樣人山人海的環境，沒有什麼是靜止不動的。」

起初，系統運用 2D 平面 LiDAR 感應器陣列，儘管 LiDAR 符合成本效益且可靠實用，但經證實它會限制機器人在動態的三次元空間進行導覽工作。透過加入 Intel^® 實感^™ 攝影機，New Era 執行立體化視覺功能，以更清楚準確地感知角度、邊角等等 (圖 1)。

Intel® 實感™ 攝影機可提供深度感知與角度資訊。(資料來源：Digital Trends) — 圖 1。Intel^® 實感^™ 攝影機可提供深度感知與角度資訊。(資料來源：Digital Trends)

Tsai 繼續表示：「有了 Intel 實感技術，我們便可運用傳統的電腦視覺演算法來強化圖形與識別功能。然後，將其與 LiDAR 感應器結合，所以我們並非只依賴一個感應器。」

以四核心 Intel^® Core^™ i5 為基礎的 Linux 電腦會處理 LiDAR 陣列和實感攝影機所傳送的感應器資料，接著將 SLAM 演算法套用到這些輸入中。這些演算法會對應到機器人所互動的實體空間，準確度誤差在 5 公分以內。軟體接著會覆寫可識別特徵的描述元，如房間、走廊、物體等。SLAM 演算法的記憶體效能極佳，可在任何給定的時間內將上千張地圖儲存在機器人的硬碟中。因此，每個機器人只需要 4 GB 的 DDR4 記憶體。

人機互動與人臉辨識和人工智慧

第二個運算子系統會執行所有與人類互動所需的應用程式，包括人臉辨識、語音偵測、聊天機器人和觸控式螢幕使用者介面等。它以 Windows 電腦為基礎，採用四核心 Intel^® Pentium^® N4200 CPU 並執行使用 Intel^® OpenVINO^™ 工具集開發的卷積神經網路 (CNN) 演算法 (影片 2)。

影片 2. 使用 Intel^® OpenVINO^™ 工具集演算法來偵測人臉與情緒的機器人。(資料來源：Omar Lam Demonstration)

OpenVINO 協助 New Era AI 工程師最佳化在 Pentium 處理器上執行的演算法，該處理內含整合式 Intel^® HD 顯示晶片 505 GPU。這麼做能為實感攝影機所擷取的圖形提供足夠的輸送量，以進行即時處理。它也會開啟一系列重要的臉部辨識功能。

最佳化的 OpenVINO 演算法不僅能幫助機器人偵測人類行為，還可以用來分析人類的年齡、性別和情緒反應。有了這項以匿名中繼資料收集的資訊，機器人操作員可判斷哪些族群最有可能與機器人互動、在哪裡進行互動以及互動時間長短。舉例來說，在零售商店或飯店業的環境下，這些分析可用來提升銷售或改善客戶服務品質。

此外，多虧了 Windows 電腦提供的本機連線能力，新的演算法、聊天機器人和其他軟體可以隨時進行更新。

在不到 8 週的時間內建立自行結帳系統

Posted on January 16, 2020January 16, 2020 by Pete Berta

愈來愈多的購物者選擇自助服務。現在，有第二波的技術將能使之成真。尖端的銷售點系統可提供高水準的可用性，可同時滿足數位原住民和嬰兒潮世代的期望。憑藉較低的營運成本和員工效率，零售商也贏得了勝利。

實現此一轉變須創新結合電腦視覺、機器學習與開發工具。一種類似於堆樂高的方法使解決方案整合商可以在短短八週的時間內打造出這類裝置。

此全新程序正在解放市場。如今，不僅可以利用傳統的 SI 在實體空間中營造使用者體驗。一般製作網站或應用程式的內容代理商和其他公司擁有設計技能且瞭解顧客喜，現在，它們正在部署 RFP 來打造零售 POS 裝置。

AOPEN 是能讓這一切成真的一家公司。AOPEN 執行長 Stephen Borg 表示：「我們發現知識缺口很大，這就是為什麼我們打造了 meldCX 平台和我們的 Smart Scale 解決方案。」兩者結合起來讓傳統 SI 和其他廠商能夠以建構模塊的方法來組裝配備電腦視覺的 POS 裝置 (圖 1)。

人工智慧與建構模塊滿足技術需求

除相關軟體和程式庫之外，採用 meldCX 技術的 AOPEN Smart Scale 解決方案涵蓋人工智慧（AI）、機器學習與電腦視覺，使 SI 能打造具有廣泛功能的零售 POS 系統。

對於入門者，使用 AOPEN 解決方案打造的裝置可識別大宗貨物、稱重並列印條碼標籤。它還可以自動將所有這些資訊（包括價格）直接輸入到 POS。然而，透過進一步發展該技術，SI 及其零售顧客可以打造出一個全功能無收銀員 POS 系統。

AOPEN 的產品辨識系統讓購物者只需要把散裝和非散裝物品（無論是咖啡豆、湯罐頭還是肥皂墊）放在配備電腦視覺的收銀機上，就可以結帳。處理付款也可以是裝置的一部分。顧客可以刷卡或輕點信用卡，也可以使用其他付款方式，例如手機應用程式。

使用這種類型的建構程序使整合商，甚至目前沒有 JavaScript 開發人員或資料科學家的整合商，都可以建構用於零售的電腦視覺 POS 裝置。具有 JS 程式設計經驗的人可利用 meldCX 的程式碼庫。若要進一步瞭解此主題，請閱讀 JavaScript API 如何驅動零售中的人工智慧。

還值得注意的是，該解決方案是跨平台的。這表示整合商可以使用 Windows、Android、Chrome 或 Linux。meldCX 除了使作業系統不構成問題外，還製造出各種經過認證的相機、周邊設備和磅秤，並將開發環境虛擬化。這樣可以模擬硬體和裝置的回應，進而加速開發。

使用電腦視覺進行訓練

根據 Borg 的說法，訓練階段向來是許多在該產業工作的人面臨的障礙。Borg 表示：「我們看到了機會，並下了苦工，我們花了一年半的時間建立管道，並在每個 API 中加以提供。」

這種廣泛的發展已為 SI 和零售商帶來了回報，它們得以簡化產品培訓慣例。例如，季節性產品是許多雜貨店面臨的一項挑戰。這可能會造成一個問題，那就是無法為一個實體物品建立推斷訓練模型，因為該物品（如一個產季短的原種蘋果）在建模時還並未提供。Borg 解釋說，他們透過開發一種使用合成模型和數位影像的訓練方法來克服此問題。

AOPEN 的解決方案使模型可以立即使用，並自動校準用於電腦視覺和機器學習的相機。組裝後，可以透過 JavaScript 編碼或直接透過連結 Google 試算表中的資產來調整使用者介面。然後，便可以開始進行產品訓練。訓練裝置辨識物品的過程可能會發生在店內或配送中心的 POS 裝置上。然後，資料將自動載入到每個端點裝置上。

Intel^® OpenVINO^™ 工具組用於簡化自訂模型的製作，並允許多個模型同時執行。這樣，即使經驗有限或缺乏資料科學家的 SI 都可以使用套裝 OpenVINO 模型和商業規則，來讓模型進行通訊。Borg 表示：「從 80％的精確度提升到接近 98％變得容易許多。」

在產生訓練集 (圖2) 時，該解決方案將自動警告使用者是否有任何偽影或異常會破壞模型，例如，是否有人的手或其他意外物體破壞了畫面。避免將此類影像包含在訓練集中，可節省資源並加快程序。

圖 2。您可以訓練該裝置以自動辨識產品，無須顧客輸入 PLU 代碼、輕點觸控螢幕照片或輸入 P-I-S-T-A-C-H-I-O。

滿足業務需求

Borg 表示：「我們已規定顧客 POS 自助結帳裝置必須是 100％自主的。」自助服務的趨勢並不一定與削減成本有關。採用自動服務可以是為了吸引年輕的消費者，因為他們傾向於使用這種購物方式。同時，能夠讓零售合作夥伴有更多時間關照需要個人化協助的人。

維護隱私權的需求是則是另一大個問題。自助零售裝置通常需要輸入個人資訊。資料必須先在邊緣進行處理和加密，然後再上傳到雲端中，這樣資料才不會儲存在本機。

在人口稠密的地區，空間非常寶貴。在這些地區，昂貴的租賃價格十分常見。具有電腦視覺功能的 POS 裝置可以加快自助結帳速度、緩解商店擁堵情況並釋放出更多擺放商品的空間。

Borg 表示：「然而，最重要的商業需求大概是協助 SI 更快行銷。」AOPEN Solutions Smart Scale 便是專為這個目的而設計。

讓物聯網邊緣自行管理

Posted on January 9, 2020January 9, 2020 by Pete Berta

當今的物聯網客戶期望能以邊緣運算的成本及延遲目標，實現集中式雲端架構的備援性、靈活性和可擴充性。如果遠端解決方案需具高度的可靠性，則解決方案應該具有功能強大的備用功能。如果一個端點失去連接，它應仍能夠繼續操作，直到重新建立連接為止；斷電並不表示資料會遺失。

然而，物聯網邊緣節點卻是單點故障的代表，節點因為失去連接、供電不穩定或硬體故障，任何時間都可能發生故障。而且與雲端資料中心不同，物聯網邊緣節點的分散式特性代表如果確實發生故障，IT 人員可能幾天或幾週內都無法有所因應。

隨著企業的期望與營業邊緣的現況不斷融合，物聯網系統設計師正在藉助超融合基礎架構（HCI）尋找折衷方案。

最佳的雲端與邊緣運算

HCI 是一種物聯網架構，可將類似資料中心的資源驅動到邊緣（圖 1）。通過將類似資料中心的運算、網路與儲存資源移至更接近邊緣應用程式或一直到邊緣本身，HCI 可在分散式端點中提供雲端效能。

圖 1。超融合基礎架構填補了邊緣節點與資料中心平台之間的技術差距。（資料來源：NodeWeaver）e

HCI 硬體的範例包括搭載 Intel^® Core^™ 或 Intel Atom^® 處理器的高效能邊緣閘道、會在未來 5G 網路中佔據重要地位的行動邊緣運算基地台、及已部署在內部物聯網使用案例中的搭載 Intel^® Xeon^® 的 uCPE 伺服器。請閱讀「SD-WAN 與 uCPE：簡介」，以進一步瞭解。

這些平台由於可支援多核心處理器、大容量儲存空間與虛擬化技術，因此在遠端物聯網部署中變得愈來愈受歡迎。這些平台可提供：

透過在虛擬機（VM）中代管冗餘工作負載來避免硬體故障及各種故障
在邊緣執行分析的能力，因此即使失去雲端連接也可以繼續正常作業
未來有機會透過新的應用程式與服務更新邊緣部署

當然，大多數 HCI 平台都不支援現成的 OT 需求。例如，遠端物聯網邊緣部署往往需要：

在出現系統故障、新增或更動時，自動重新配置或自我修復的能力
即使整個實體節點發生故障也能繼續作業的能力
裸機效能與原生硬體相當，甚至對於在 VM 中執行的應用程式亦然

需要智慧軟體來實現這些可靠性與效能上的特色。NodeWeaver 邊緣叢集執行平台就是這樣一種解決方案，它將賦予在邊緣運作的 HCI 系統這些功能。

讓節點自行管理

NodeWeaver 是一種編排與管理解決方案，可將多個端點「編入」到大型、虛擬化邊緣運算基礎架構中。這表示您可以在完全獨立的實體節點上將工作負載部署在 VM 中，如果一個端點發生故障，其應用程式仍可繼續在基礎架構中的其他位置執行。

每個節點都在整合了分散式檔案系統、軟體定義網路 (SDN)以及虛擬化元件，並搭載以裸機運行 x86 目標的作業系統 (圖 2)。整個堆疊僅消耗 4 GB 記憶體，因此適合大多數 HCI 系統。

NodeWeaver 建立了冗餘的虛擬化邊緣運算基礎架構，提升了可靠性。（資料來源：NodeWeaver） — 圖 2。NodeWeaver 建立了冗餘的虛擬化邊緣運算基礎架構，提升了可靠性。（資料來源：NodeWeaver)

虛擬網路是用於將這些節點加入叢集，叢集可包含 2 到 25 個節點。）然後，分散式檔案系統會從一個節點複製應用程式資料（或稱「區塊」），並使用一種隨機過程將資料傳輸到其他節點中的 VM，來將這些區塊分配到具有效能最高、可用儲存空間最大的節點。

為了確保區塊始終可用，NodeWeaver 會執行一個檢查整個叢集的程序。如果該程序發現某個區塊丟失或損壞，它會指示檔案系統協調器在叢集中的其他位置複製一個新區塊。例如，如果儲存磁碟發生故障或當機，NodeWeaver 便可透過將另一個作業資源上的新區塊實體化來「修復」系統。無需使用者干預。

透過此程序， NodeWeaver 可以找出是否有新增的資源，或者管理員是已對現有資源有所更動。

免動手即時虛擬化

如上所述，NodeWeaver 會在實體上和地理上分散的節點之間建立了一個完全虛擬化的環境。因此，請務必注意，應用程式不會將節點視為個別的資源。相反地，他們將整個基礎架構視為資源匯聚之處。

然而，這不表示每個節點上都有無限的資源。

NodeWeaver 使用自主的負載平衡器確保在此環境中能有效執行工作負載。負載平衡器採用了名為動態適應性的功能，不斷地對整個叢集中執行的各種工作負載進行效能標竿測試。接著，它會根據服務品質（QoS）需求在最有效率的可用硬體上排定工作負載。這個硬體可包括 x86 CPU、GPU、FPGA，甚至是 Intel^® Movidius^™ 加速器。

此外，底層的 NodeWeaver OS 提供了彈性的即時保證，使工作負載能以接近裸機的效能執行。同樣地，這無需人力干預即可達成。

人工智慧能否進一步將邊緣自動化？

為了滿足物聯網客戶對備援能力、靈活性和可擴充性的期望，物聯網系統設計師必須在設計端點時考慮到雲端功能。這不僅可以避免單點故障，還能使自主邊緣環境無限期運行，即使沒有本機 IT 支援亦然。

然而，如果在這些自主邊緣環境加入了人工智慧，它們還能達成什麼目標呢？這樣的平台可以長時間監控硬體的效能，並預測磁碟機或軟體何時會發生故障，維修技術人員可以依此將自己的服務排程最佳化。諸如 NodeWeaver 之類的平台已經開始整合能實現此目標的概率引擎。

讓邊緣自行管理。

透過 ML 和 ALPR 出奇制勝

Posted on January 8, 2020August 27, 2020 by Pete Berta

在路易斯安那州的一個信用合作社遭搶之後，地方當局能使用自動車牌辨識功能 (ALPR) 來追蹤竊賊的路線。距離銀行約一哩的攝影機可發現竊賊的車輛。

這僅是這項技術立功的一個例子。邊緣的 AI 除了抓竊賊以外，還帶來了更多可能性。例如協助城市識別非法垃圾場或非法建築工地。

ALPR 可以找到亂扔在人行道上的共享自行車和摩托車。隨著城市設置公車專用道 (對汽車封閉街道)，它也能在發現非法停放的車輛方面發揮效用。

為了使這類偵測成真，您需要具有機器學習 (ML) 功能的技術。

Genetec 的方案經理 Chris Yigit 表示：「開始設計新一代 ALPR 系統時，我們研究了其中的技術與趨勢。嘗試在通用處理器上執行 ML 推斷有其侷限。我們開始使用 Intel^® Movidius^™ VPU，這才意識到這項技術的強大。」

Movidius 可為 Genetec AutoVu SharpZ3 提供動力，這是一種基於先進深度神經網路架構的行動 ALPR 系統。VPU 的電腦視覺與 ML 演算法使新功能 (如狀況認知) 可能成真。事實上，它可支援比標準 CPU 強大 50 倍的 ML 功能。

儘管其上一代 ALPR 裝置具有高達 99％的高原始讀取率，但就執行 ML 演算法的能力而言，它已達到極限。

Movidius 減少了 SharpZ3 所需的電量。Yigit 表示：「我們需要低功率解決方案，因為雖然建立了以車輛為基礎的系統，但並非所有系統都是配備超級發電機的強悍警車。VPU 則巧妙結合了高處理能力與低功耗。」

該系統包括三個光學感應器，因此能夠識別車輛附近物體的位置。傳統 LPR 攝影機通常只有兩個感應器：一個可讀取牌照，另一個則可拍攝其他背景的彩色快照 (圖 1)。SharpZ3 的第三個感應器也可捕捉立體圖像，以提供影像深度的假象。這表示它可以更精確指出摩托車或可疑包裹等物體的位置。

有了其他感應器，ALPR 設備便可更專注於它所能讀取的物體，並偵測各種狀況，乃至於發現人行道上的裂縫。立體圖像與 GPS 技術相結合，可進行無人駕駛導航，根據隨時間推移的速度計算位置。

邊緣 AI

邊緣運算可為現場應急人員和其他使用者節省成本。在邊緣自 ALPR 和深度學習技術收集資料比在雲端中處理影像的成本低。

Yigit 表示：「在邊緣學習具有很大的成本優勢，因為在雲端傳送資料進行處理所費不貲。這正是我們現階段的差異所在。」

此外，透過結合 Movidius VPU，Sharp Z3 可提供提升的頻寬與分析功能，而無需第二組硬體。

涉及使用 ML 演算法進行預測的邊緣推斷，比在雲端中處理影像的成本低。與早期的 ALPR 疊代相比，它亦提升了牌照讀取的速度。Yigit 表示：「邊緣推斷硬體確實超乎我們想像，提供比上一代多出數倍的頻寬。」

整合這些演算法到 ALPR 行動裝置中，將帶來全新的分析層次，而不僅止於識別車輛及車種。

舉例來說，Genetec 正在與一個城市合作識別建築專案。Yigit 表示：「他們的目標是，一旦識別正在施工的建築工地或道路，便要確定該承包商是否具備適當的許可證；否則，便會標記為可能的違法行為。」

機器學習的更多功能

ML、三個感應器和其他創新技術的結合，意味著 ALPR 裝置可以提供更多使用案例。例如，地理圍欄可以找出車輛誤放或存放不當的地方，並採取糾正措施，進而協助城市改善路緣管理。

目前，借助該技術，停車場管理員可發現非法停放的車輛；但展望未來，ALPR 技術也將能偵測自動駕駛車輛或載客量過高的車輛。

Yigit 表示：「展望自動駕駛汽車和車對車網路通訊等事物時，我們不知道從現在起的兩年、三年或四年之後會出現什麼問題。隨著我們開始展現 ML 的功能，這些類型的應用 (其中許多我們甚至還沒有發現) 將愈來愈突顯。」

機器視覺設計組建模塊

Posted on January 8, 2020January 8, 2020 by Pete Berta

製造時，機器視覺檢查系統會使用子像素感知來即時識別產品缺陷，每分鐘可檢查數百個項目。與人工檢查員相比，該技術減少了缺陷、提升了產量，並可讓生產自動化系統高速運作。

對於系統整合商而言，機器視覺革命代表了巨大的機會。但是，系統極為複雜，所以快速建立差異化解決方案是一項重大挑戰。作為基準，它需要：

照明：以照亮待檢查的物體
鏡頭：用於拍攝最高品質的影像
高解析度影像感應器：數位化所拍攝的影像
視覺處理器：使用複雜的演算法分析數位化影像
通訊：將發現結果轉送到 PLC、分析平台等系統。

取得並整合這些元件是一項耗時且資源密集的工作，那還是在沒有考慮封裝、機殼等的情況下。此外，許多機器視覺系統必須與舊式工廠設備整合、結合新的企業物聯網功能，並採用人工智慧 (AI) 使其更有效率。

智慧型攝影機組建模塊

系統整合商需要的的解決方案要能加速機器視覺系統設計，另一方面仍可讓他們透過應用程式軟體來加以區別並增加價值。

例如，深圳市卓信創馳技術有限公司的 RVS-2100 智慧型攝影機解決方案為現代化的 120-fps 機器視覺解決方案，以小巧、加固的封裝提供所有重要元件 (圖 1)。它以現成的開發套件提供，故系統整合商可在基準技術之上進行創新。

具體而言，該套件包括：

IP67 等級的外殼，可在惡劣的環境中部署
脈寬調變 (PWM) 光學控制，可用於細粒度照明
高解析度光學鏡頭
MIPI 全局式快門影像感應器，解析度為 1 MP
配備 2M 快取的四核心 Intel Atom^™處理器，用於高速影像處理
整合式 FPGA，支援特定用途的 I/O 以及影像前置處理和後續處理
透過堅固的 M12 連接器進行 RS-232、USB、UART、DisplayPort 與 Gigabit 乙太網路通訊

特別的是，FPGA 支援廣泛的 I/O 支援與介面靈活性，故系統整合商可以快速定義特定使用案例的獨特實作。例如，可在智慧型攝影機與人機介面 (HMI) 或可程式化的邏輯控制器 (PLC) 之間建立通訊與控制。甚至可以使用 Gigabit 乙太網路介面來支援多角度安裝的其他高傳輸量從屬攝影機 (圖 2)。

圖 2。廣泛的 I/O 和可配置的 FPGA 提供了連接各種主機及周邊裝置的靈活性。(資料來源：卓信創馳技術有限公司)

機器視覺的軟體方面

在軟體方面，智慧型攝影機解決方案提供了在整合商選擇的環境中開發應用程式的靈活性。對於初次使用者而言，該攝影機同時與 Windows 10 及 Linux 相容，並支援各種開放式 API ，這些 API 可與 Google Cloud、阿里雲及各種其他平台與服務整合。

在應用程式啟用上，以software developed in Halcon、LabVIEW 或 Intel^® OpenVINO^™ 工具組編程範式開發的軟體，可以在獨立的電腦上進行工程設計，然後順暢移轉到 RVS-2100 平台。這種靈活性是關鍵，不僅因為它採用了網域專家已熟悉的視覺化程式設計模型，也由於它提供了通往支援 AI 影像辨識和物件偵測的途徑。

OpenVINO 工具組是一款開發工具，可針對多個 Intel^® 處理平台最佳化在 Caffe 和 TensorFlow 等框架中內建的電腦視覺演算法。使用 OpenCV 與 OpenVX API 等各種程式庫，影像處理演算法可在 Intel Atom 等平台上加速 (圖 3)。

Intel® OpenVINO™ 工具組可支援在各種異質處理器組合快速開發及部署深度學習演算法。( 來源：Intel® ) — 圖 3。Intel^® OpenVINO^™ 工具組可支援在各種異質處理器組合快速開發及部署深度學習演算法。(資料來源：^Intel®)

所有的軟體功能均封裝在 RVS-2100 智慧型攝影機套件隨附的演示 SDK 中，該 SDK 可協助系統整合商加速條碼掃描等機器視覺應用程式的開發。

使用案例：更快速讀取條碼

根據卓信創馳的報告，中國 80％的製造設施都使用條碼掃描。但是，不同的工廠會針對特定作業使用的不同條碼方案。當然，來自一個工廠的物品和材料會在整個供應鏈中進出其他工廠和倉庫。

若要將送入的物品整合到新的工廠環境中，必須對原始條碼進行掃描，並將其與目前工廠中的相應條碼進行配對。然後列印新的條碼，套用於該物品，再進行驗證。目前來說，這是一個手動程序，非常耗時且容易出錯。

為了擴大作業規模，製造商正在使用企業資源規劃 (ERP) 系統，以收納盡是外來條碼的資料庫。透過能交叉參照這些 ERP 系統且快速又精準的讀取器，掃描、列印和驗證新條碼的程序幾乎可以完全自動化。

RVS-2100 體積小、功耗低、精確度高且與原生雲端平台相容，因而是這些應用的理想簡易替換式解決方案。

卓信創馳發現，在這些使用案例中，攝影機可以將人力資源需求減少高達 70％。且得益於乙太網路連線功能、擴充的 I/O 和靈活的軟體 API，系統整合商可以最少的時間和開發心力將它們部署到現有安裝中。

條碼之外

條碼掃描的智慧管理，是使機器視覺在智慧型工廠和倉庫中變得愈加普及的眾多方式之一。透過 RVS-2100 智慧型攝影機套件等多功能、低功耗的高效能平台，系統整合商可將機器視覺快速內建到各種應用中，從視訊監控到協作機器人等無所不包。

有了所有基本的機器視覺組建模塊，這些整合商就可以將資源集中在差異化的軟體上，這些軟體將在資源眾多的領域中脫穎而出。

使用數位顯示器成為零售贏家

Posted on December 26, 2019December 26, 2019 by Pete Berta

中國武漢的江漢路有「城市的步行街」之稱。這條路全長一公里，每日遊客超過 100,000 人，是全球知名度數一數二的購物區。

在競爭如此激烈的零售環境中，各商家無所不用其極，為求脫穎而出，它們所面對的難題有多艱鉅可想而知。每個櫥窗都有某種形式的廣告，其中不少採用播放商家及其產品影片的數位顯示器。然而，如果每個零售商都採用這些策略，那他們要如何吸引購物者的注意力？

這個問題的影響層面不只有名不見經傳的供應商，就連中國最大的鞋履品牌百麗國際等龍頭企業都身受其害。為了脫穎而出，百麗國際向 Koscar Interactive 尋求協助，採用了互動式的人行道遊戲解決方案。

採用數位顯示器的致勝策略

Koscar 的智慧型零售販售解決方案 (IVSR)，採用牆壁大小的數位顯示平台 (高達 3 公尺)，占用百麗國際零售點的整個商店櫥窗。然而，顯示器不光是播放影片或靜態圖片，熱門電玩遊戲更是吸引購物者的利器，如影片 1 所示。

https://www.youtube.com/watch?v=KAmLzdRY9Iw&feature=youtu.be

Video 1. Koscar IVSR 整合了熱門的微信電玩遊戲。(資料來源：Koscar Interactive) 大家多半只在智慧型手機看過這些遊戲，因此使用好幾公尺大的螢幕玩遊戲，這個點子令人驚喜。定義商家品牌及其產品的標誌重疊於 HD 影片的背景。行人使用觸控螢幕即可啟動自選遊戲。這個平台甚至能支援多名同步使用者。

除了免費遊戲的吸引力，玩家還得到激勵，渴望搶得商家優惠券或獎品。

舉例而言，百麗國際使用 IVSR 平台的方式之一，就是透過在櫥窗顯示 QR 碼的形式呈現限時折扣，進而帶動銷量。此外，利用社群媒體，玩家必須遵照百麗國際微信帳號的指示，才能收到代碼。

另一選項則是將販賣機直接安裝於櫥窗，在商店外建立銷售點系統。Koscar 解決方案採用的銷售點終端機，提供了多個控制視窗和交貨門。

除了遊戲之外，在畫面四周滑動的漂浮泡泡還有誘人產品的圖像，進一步將店家及其產品烙印在觀看者的腦海。觀看者只要觸碰泡泡即可將泡泡「戳破」，顯示更大的圖片與更多資訊。購物者甚至可以利用櫥窗在線上或直接向店家買鞋。

在背景中，IVRS 也會擷取使用者的行為資料，例如玩遊戲的使用者人數、附近有多少人圍觀、多少人獲勝，以及已兌換的優惠券張數。這類資訊全都可與店內的銷售點資料息息相關，顯示真實的投資報酬率。

那麼百麗國際 Koscar 的 IVSR 目前為止表現如何？僅僅六個月，銷量就翻了一倍。

未來的願景

Koscar 一開始的 IVSR 解決方案中，在 Xbox Kinect 執行的軟體負責執行行為和其他分析。內建的 Intel^® Core^™ 處理器則提供了多工馬力，以呈現及控制遊戲並執行匿名分析。高效能的顯示卡會驅動影片和顯示器。

至於軟體，各種內建應用程式使用標準 API。針對付款和傳訊，Koscar 採用微信和阿里巴巴支付寶專屬的 API。

日後，Koscar 會部署替代的智慧型臉部識別解決方案。下一代的 IVSR 系統會採用 Intel^® OpenVINO^™ 工具組負責這類工作，因為它有助於最佳化及加速在 Intel^® 處理器執行的神經網路演算法。此外，更棒的是，這個工具組隨附超過 20 個已預先訓練的模型與演算法，能夠放入複雜的視覺應用程式 (圖 1)。

Intel® OpenVINO™ 工具組隨附超過 20 個已預先訓練的模型與演算法。( 來源：Intel® ) — 圖 1。Intel^® OpenVINO^™ 工具組隨附超過 20 個已預先訓練的模型與演算法。(資料來源：Intel^®)

有了 OpenVINO，Koscar 便能提供關於玩家及人群的廣泛分析。舉例來說，可以擷取詳細的人口結構資料，例如年齡、性別與情緒 (開心、驚訝、興奮等)，如此一來便能向站在顯示器前的潛在購物者呈現更相關的遊戲以及聚焦品牌的傳訊。

時機成熟時，這套系統甚至可用來識別再度上門的玩家和顧客，並且用名字問候對方，進而增進他們與商家或品牌的關聯性。

現今的購物者無時無刻不被過多的視覺刺激包圍，為刺耳嘈雜的聲音所淹沒。百麗國際利用獨特的互動式遊戲脫穎而出，在高流量環境與顧客的互動上樹立了標竿。

下一代的零售廣告操之於我們手中。要不要加入我們的行列？

電腦視覺、人工智慧聚焦於遠端資產

Posted on December 26, 2019December 26, 2019 by Pete Berta

對物聯網工程師而言，遠端資產監控既是恩賜，也是詛咒。一方面，它可以比傳統維護常式提前幾小時、幾天甚至幾週告知現場設備的狀況。它也可以確保在正確的時間將正確的人員部署到正確的位置。

遠端作業員可以在短時間內確定周邊產生安全缺口的原因，或分析另一個模擬感應器提報的情況。透過正確的技術，他們甚至可以確定氣體洩漏的源頭、向大氣中釋放的氣體類型，以及每秒釋放多少立方公尺的氣體。

但另一方面，這一切都是有代價的。

現場分析改寫遊戲規則

如果一張圖片價值 1000 字，那麼影片串流則價值 400 美元。為什麼？因為這大約是單部監控攝影機在每月行動數據方案所花費的成本。

出於各種原因，這確實令人不安，但主要是因為這些站點時常需要多部攝影機，它們產生的影片中又只有很小一部分具有價值。例如，試想一座擁有 1,000 口井場的油田。連線成本龐大。

幸好，可以使用更智慧的方式來部署視訊監控技術。例如，與其讓安裝在多個攝影機站點上的攝影機，每部都透過各自的行動連線傳輸視訊，為何不使它們透過單一現場伺服器來傳輸？再者，何不利用分析功能來識別應傳送的特定視訊片段，而不是串流傳輸完整的視訊檔案？

這正是 Pixel Velocity 搭配使用 Event Velocity 軟體平台的創新方式。

Pixel Velocity 執行長 Jonathan Murray 表示：「視訊具有頻寬，並且會產生各式各樣的問題。再說， 99％的視訊都是無用的，什麼也沒發生。」Event Velocity 會在邊緣處理視訊，並僅透過電信網路傳送中繼資料以生成警示。

「這些警示只是視訊片段。然後，作業員可以選擇即時查看站點。我們可以將它們納入整個站點每月 55 美元的數據方案，因為行動數據是透過伺服器連線，且多部攝影機可以在那裡連線。」Murray 表示。

即時監控減少上門服務

Event Velocity 利用 OPC-UA 通訊標準來整合來自多種類型物聯網感應器的資料，包括音訊、紅外線、SCADA 系統，當然還有視訊。該技術結合來自這些裝置的資料，以產生不可預見事件的自動警示，套用智慧視訊分析以最大程度地減少誤報，並減少警示疲勞現象或不必要的上門服務。

使用者可以設定該平台以查找特定變數或事件觸發點，例如排除區域中的活動或某些區域的溫度波動。該監控解決方案亦整合光學氣體影像軟體，當與相容的影像感應器配對時，可以偵測 22 種不同的碳氫化合物。該影像軟體分析羽狀成分、大小和形狀等變數，並透過綠色、黃色和紅色指示燈覆疊視訊，以協助作業員更快解釋潛在的危險環境。

如果模擬感應器跳閘，Event Velocity 則會在資產上自動訓練攝影機，並分析最終的視訊來源以確定讀數是否合格。該平台利用分散式運算模型，因此可以在搭載 Intel® 處理器的系統 (如Dell Edge Gateway) 上執行此分析處理，該系統可支援多達七道的同步視訊串流。

如果情況良好，Event Velocity 則會在指定的時間內將視訊儲存在這些本機邊緣伺服器上，並針對歷史報告目的僅只傳輸定期中繼資料。但是，如果系統確定了作業員可能感興趣的事件，則可以將較小的視訊片段傳送到雲端。

在此，整合的訊息管理系統可確保透過行動訊息、電子郵件或網頁用戶端，將警示傳達給適當的相關人員。作業員收到警示後，便可以查看視訊片段，並在必要時使用該資產的即時視訊來源 (圖 1)。

圖 1。Event Velocity 可讓遠端作業員即時評估情況。(資料來源：Pixel Velocity)

這些動作都是即時發生，以最低的成本為使用者提供最高可能的可見性。此外，由於 Event Velocity 基於 OPC-UA 和其他開放式 API 建立，因此可以輕鬆地與現有控制項或 SCADA 安裝以及企業基礎架構整合。

遠端智慧監控

透過先進的視訊監控，物聯網作業員可以利用視訊分析技術來自動過濾警示。此外，工程師可以使用相同的視訊基礎架構來放大遠端資產的即時狀態，獲得的見解與他們在現場幾乎無異。

既然物聯網邊緣運算和分析軟體解決方案能以實惠的價格提供這些功能，那麼不使用基於視訊的資產監控便可能造成您在生產力、效率等方面的浪費。

運用 AI，教育邁向卓越

Posted on December 9, 2019December 9, 2019 by Pete Berta

隨著中國經濟迅速成長，迫切需要學校升級也不足為奇。而技術創新將能推動教學與學習的嶄新發展良機。政府的激勵措施正幫助產業提升到新的境界。值得注意的是，中國新創公司獲得了全球教育領域創投的 50% 投資額。

在某些前途最亮眼的應用程式中，電腦視覺、人工智慧 (AI) 和深度學習，能使學校更加了解學生在課堂上的反應。管理員和教師可以使用這些資料來改進教學法、加強學生的參與度，並提升教育成果。

「專注度被視為課堂上的要素之一。參與度更高，學習表現也更好，」上海易教 (Shanghai Edutech) 襄理 Zhang Yao 表示。

儘管新技術帶來諸多助益，但學校在採用時卻困難重重。由於缺乏可交互運作性，許多解決方案因此維護效率低下，加上複雜難以操作，教師必須將許多時間從教學轉移到解決系統問題上。

使用數位顯示器實現成效

黑板仍然是教室的主要重點，因此它常是最重要的教具之一。

上海易教研發的「智慧型黑板」(Smart Blackboard) 與眾不同，使用攝影機、感應器和 AI 來分析教室活動、評估教學並改善教學成果。它具有智慧感知、臉部辨識、自動資料收集和即時廣播的功能，可謂智慧教室的核心。

系統可分析學生行為並偵測高興、難過、厭惡和驚訝等表情。此外，它能識別閱讀和聽力等活動，亦可追蹤出勤、遲到和缺勤狀況。

透過提高課堂效率，和藉由考試成績衡量教學成果，這些功能對師生雙方均有助益。成果令人刮目相看。

部署後一年，上海一所中學的大學入學率提高了 24%，其物理、化學和生物排名從^{第 13 名}躍升至前 4 ^強。山東的一所學校在實施該解決方案的三年內，通過大學入學考的學生人數增加了 45%。

該解決方案簡便易用，能減輕教師的管理負擔，方便他們衡量學生的專注力，並調整教學法以提高學習成效。教師可以在任何裝置上即時查看這些資訊，並與過去的表現資料進行比較，以評估學生對教學法和教案的反應。

「這套系統以教師為中心並且使用便利。教師可以更加了解學生的反應，不必改變教學習慣即可適應我們的解決方案。」Yao 表示。

邊緣到雲端的分析功能

Intel^® 技術是整體解決方案的關鍵。Intel^® 處理器提供運算能力以支援邊緣資料分析。此外，Intel^® OpenVINO^™ 技術使用臉部表情資料，並與情緒和表情資料庫加以比較。

除了分析學生的行為外，系統也能收集與測量其他有價值的資料，例如裝置的能源消耗量、每個節點的工作狀態、軟體版本和系統記錄。教室的溫度和濕度等環境因素也可以整合至分析中，以維持最佳的學習條件。

黑板由 Edutech Cloud 支援，該雲端連接了教室裝置和資料的整體系統。平台可以遠端控制多個智慧型裝置、管理軟體並同步分享資訊。「我們正在嘗試將所有裝置和軟體結合成一個全方位解決方案，以便採用類似的格式分析資料，」Yao 說。

它提供了一站式服務，以合併所有資訊，降低操作複雜性，並支援所有硬體和軟體之間的可交互運作性 (圖 1)。

從教室拓展至全國

上海的教育科技將其解決方案擴展到城市學校和教室之外。推行全國高品質教育的最大障礙之一是教師匱乏，尤其是在偏鄉地區。智慧型黑板可透過「雙重教師」的方式幫助改善偏鄉教育。

在偏鄉學校中部署時，無論地點為何，專家教師不僅可以指定課程，還能衡量學生對課程的反應。啟用這種遠端線上授課可以縮小教育差距，並在全國上下創造新的機會。

即時分析促進即時安全性

Posted on December 3, 2019May 27, 2020 by Pete Berta

編輯備註：商務企業、學校、醫院和其他組織高度重視校園內的安全性。保護人員和資產的需求從未如此強烈。設施和安全人員都面臨新的任務，如防止擁擠、控制建築物出入口和進行健康檢查。

好消息是完善解決方案使人們在面對這些挑戰時變得更加輕鬆。電腦視覺和 Edge 分析使集中監視和控制成為現實，從而減輕了安全人員的負擔。這些系統經常搭配現有的攝影機基礎架構使用，從而縮短了適應新技術的過渡時期。閱讀以瞭解現今企業如何實現這個目標。

企業園區的保全需求與日俱增，監視攝影機也因此大幅增加，導致了龐大的視訊流量。但要運用由數百台攝影機不斷產生的串流視訊，不僅超過了大多數現有系統的能力，更可能降低效率。

人工智慧 (AI)、即時分析和集中化管理等技術能解決這些挑戰，同時與舊系統整合。這些解決方案由演算法和數位工具組成，可大幅提高安全層級。如此一來，便能減少控制室的保全人員數量，並與企業園區內的人員建立關係，進而提升合作與安全意識。

然而，要開發這種多面向的解決方案，就需要多個領域的專業能力。因此，解決方案整合商 (SI) 對製造商的期望不僅是提供技術而已。而在這個方面，Honeywell Commercial Security 等企業也已經瞭解這樣的傾向。他們與 SI 直接合作，涵蓋從售前到售後的完整階段，協助他們展現其解決方案如何為客戶提供所需的安全性。

開箱即用的園區安全功能

MAXPRO NVR 提供開放且可擴充的架構。它整合了舊版安全系統的設計，協助整合商為企業客戶提供具有前瞻性的安全解決方案。

Honeywell 的資深工程經理 Vijay Dhamija 向我們解釋，分散在各個大區域的組織通常包括多棟建築、辦公室、小徑、停車設施和其他空間，這樣的規模和配置，使其較為容易受到攻擊。

Dhamija 說：「園區內可能部署了 500 台攝影機，但安全人員可能最多只能同時監控 25 台。這代表他們看不到另外百分之 95 正在發生的事情。」

這就是 AI 能提供協助的關鍵。系統具備的演算法可處理視訊資料，偵測關於場地發生入侵或其他事件等異常狀況，並提供臉部辨識功能。它會監看警示活動的歷史行為，然後建立多個資料點的關連，以判定警示的性質。

這些演算法能提醒保全人員注意各種情況：例如有人嘗試攀爬柵欄，或是車牌號碼不在白名單內的汽車通過了大門等。如此一來，AI 就能隨時監控每台攝影機。

使用此系統加上 Honeywell 的協助，SI 便可建立解決方案，讓攝影機只需傳送極低的資料流，以減少處理過程中的耗電量。Dhamija 說：「即使使用 1080p Full HD 或 4K 攝影機，我們的演算法所需要的作業影像資料也相對較小。這可讓系統更快速處理資料，並提升準確性。」

這套由 Honeywell 開發的系統亦屬於 Intel^® IoT RFP Ready Kit (RRK)，能讓 SI 有機會在各個開發階段獲得公司設計團隊的協助。

Dhamija 說：「我們與每個 MAXPRO 專案的整合商密切合作，即使在專案開始販售和部署之前。我們的應用程式工程師與資料科學家會協助 SI 自訂解決方案，以滿足其客戶的需求。他們還會在部署後提供訓練方面的幫助，並進行修改。」

Dhamija 描述了一個有趣的例子，那就是客戶的攝影機鏡頭上聚集了越來越多的蜘蛛。他們訓練演算法辨識蜘蛛，以避免錯誤的警示，同時仍可執行臉部辨識和其他應用，即使鏡頭上有蜘蛛也一樣。

由於 MAXPRO 可與維護與操作等其他 Honeywell 系統整合，因此可以將清潔攝影機或執行其他工作的要求自動化。

即時分析提供即時安全性

MAXPRO NVR 代表網路錄影機，而 MAXPRO VMS 代表視訊管理系統軟體。

NVR 和 DVR（數位錄影機）處理視訊資料的方式不同。NVR 系統位於邊緣，它會在攝影機中編碼和處理視訊資料，並將資訊串流到 NVR，以進行儲存和分析。DVR 系統則會在錄影機內處理視訊資料，表示系統必須具備傳輸每個畫格的能力，才能進行分析。

其他差異：NVR 通常使用 IP 和高畫質攝影機，但 DVR 僅使用類比攝影機。MAXPRO 可以加入能與老舊裝置搭配使用的編碼器，因此舊式類比攝影機不會對其造成問題。

此解決方案採用 Intel ^® 技術，可支援同步錄製、即時監控，以及搜尋和系統管理。資料可直接進入 NVR，或是透過伺服器輸入。NVR 會在中央監視環境中提供軟體資料（圖 1）。

Honeywell 設計的 MAXPRO 支援業界標準，包括：

開放網路視訊介面論壇 (ONVIF) 的設定檔 S 和設定檔 G
物理安全互操作性聯盟 (PSIA)
即時串流協定 (RTSP)

如此一來，透過 Honeywell 應用程式工程師的協助，SI 和其客戶就能從 Honeywell 或協力廠商提供的各種攝影機和其他設備中選擇，以配置最佳解決方案。

SI 會利用 Honeywell 的引導來安裝所有攝影機、NVR 和 VMS，這些都包含用戶端工作站。他們也可以在完成部署前確保視訊品質和效能符合效能標竿。

臉部辨識和 GDPR 法規遵循

由於 MAXPRO 是一款搭載 AI 的邊緣系統，攝影機能針對執行臉部辨識、存取控制、人數計算和預防竊盜等應用，僅選取、擷取和傳輸所需的視訊資料。它使用 Intel^® OpenVINO^™ 工具組，可在視訊片段上使用選擇性模糊功能，以遮蔽畫面中的個人身分。不過這仍會記錄臉部辨識資料，讓解決方案得以遵循 GDPR 法規。

Honeywell 與廣大的合作夥伴價值鏈體系合作，擁有許多機會，以改善其搭載 Intel 技術的安全系統。Dhamija 說：「Intel 讓我們可以提早取得他們最新的晶片與加速卡。這代表解決方案整合商可加速他們的端對端解決方案上市時間，解決複雜的物理安全挑戰。」

簡易替換式軟體將即時分析導入電網

Posted on December 2, 2019February 22, 2022 by Pete Berta

舊式電網和變電所設備缺乏與 IIoT 相容所需的技術。這使得許多公用事業業者無法善用寶貴的資料，減少停機時間、降低運營成本，以及改善客戶服務。

現在已有全新的解決方案解決這道難題。強大的邊緣硬體和軟體可以簡化收集與分析各類即時資料的過程，讓能源供應商得以從重要的分析見解中受惠。

這些技術不僅能讓公用事業公司進行預測性維護和降低成本，還能充分利用再生能源資源，進而減少化石燃料的消耗。這種最佳化方式也能確保家庭、醫院、企業和其他使用者的電力絕不中斷。

以德國安欽格市為例，該市希望在不停機的情況下完成電網現代化。該市的公用事業公司 Bayernwerk AG 需要找出一種做法，收集多種技術資料，並將資料轉換為與雲端相容又易於分析的格式。如此一來， Bayernwerk 能夠探索並充分利用可能的最佳化方式，並且施行新方案。另外，由於電網是重要的公共建設因此必須優先確保即時資料傳輸安全是公司的優先考量。

在 SystemCORP Energy PL 與 Intel^® 的協助之下，該公司部署了 Smart Grid IoT Plug&Play 軟體。這個靈活的應用程式讓 Bayernwerk 得以從以資料驅動的見解中受惠。舉例而言，將電網資料與天氣預報結合之後，既能預測再生能源產量，也能預測能源消耗總量。

SystemCORP Energy 的總經理 Detlef Raddatz 表示，如此一來，公用事業公司及其客戶便能將屋頂型太陽能發電 (PV) 系統的能源躉購最大化，並減少碳足跡。

Raddatz 表示：「公用事業公司可以讓消費者知道，某個時段有充裕的太陽能供家用電器使用，且電價最j為划算。」「同樣地，業者可以知會企業客戶，何時可以使用太陽能操作重型設備。

預測性分析更為簡便

SystemCORP ADH (application data hub，應用程式資料中心) 平台提供了一種簡易替換式軟體解決方案，可整合至內建的 Intel^® 處理器平台。這樣一來，舊式變電所設備不需要鉅額資本投入和客製化額外設備，便能升級取得數位變電所功能。

此外，公用事業公司的 IT 和 OT 人員也不必學習新技能，也不需要精通雲端電腦技術。若採用這個解決方案，他們憑著現有知識，就能將變電所整合到雲端。

Raddatz 表示：「相較於傳統方式，這個解決方案可讓開發與整合時間縮短約三分之二。這個方案採用模組化的方式，在極短的時間內便能增加新的軟體應用程式。」

這個軟體在搭載 Intel 技術的閘道，直接聚集並預先處理送輸入的資料包。它採用 JSON/MQTT 或是 Azure 或 AWS 的直接介面，以及安全的 VPN 連線，將資料以安全傳送至雲端 (圖 1 )。

公用事業公司不用汰換舊式設備即可從智慧型電網技術受惠 — 圖 1。公用事業公司不用汰換舊式設備，即可享受智慧型電網技術帶來的好處。

這個解決方案採用 IEC 61850、DNP3、Modbus 等標準，能夠處理過去 20 年來使用的所有電網通訊協定，以及預計將在未來 30 年採行的電網通訊協定。

智慧型電網閘道加上符合 IEC6113 規定的可程式化邏輯控制器功能後，即成為專為電力公用事業量身打造、實實切切的 IIoT 邊緣伺服器。這也代表公用事業公司能從智慧型電網投資受惠。過去，想從這方面的投資取得回報相當困難。此外，他們還可縮減未來的支出規模，提高其報酬率範圍。

這個解決方案除了能預測公用事業公司在特定時段能傳輸多少再生能源，還能判斷同時需要使用其他那些供電電源，才能給電網供應足夠的電量。對於供應商及其客戶來說，若想要有效率地使用再生資源、減少排放及避免停電，這種資料建模與活動是不可或缺的。

Raddatz 表示：「在白板進行這種分析是不可能的事。這個學習過程必須在電網上進行，並採用真實資料。」

從靈光乍現到智慧型電網

Raddatz 講述了一則故事，分享了電網何時開始智慧化。智慧化並不是在 20 世紀末或 21 世紀初才開始進行。早在 1918 年，電網就開始邁向智慧化。當時有人靈光乍現，在電網上多加了一條保險絲，讓系統得以以安全且自動的方式開關。

「當然，自那以來之，智慧型電網進步了很多。」Raddatz 表示。「如今，它可以降低成本、強化預測性維護、進行再生能源最佳化、提升客戶服務，甚至是減少停機時間。」

因此，Raddatz 相信，智慧型電網變電所的處理器將會更加強大，而且公共設施公司將會利用智慧型電網裝置運作虛擬的智能電子裝置。他相信，這個過程無須變更既有設備，只要新增軟體模組即可，做法十分簡單。