利用统一安全解决方案提供全方位保护

我们已经习惯于透过计算机或智能手机屏幕观察世界,以致于很容易在现实中忘记危险并产生顾虑。但网络安全并不是唯一需要考虑的问题。我们仍然需要物理安全,为员工、产品、工厂甚至是野生动物提供保护。

我们将采访视频管理软件领导者 AxxonSoft 的销售工程师 David Trujillo,不仅讨论如何防止盗窃和破坏,而且向希望保护人员、财产和资产的企业说明如何应对真实世界的挑战。他将介绍统一安全系统的定义和优势、AI 在该系统中的作用,以及一些非常有趣而又出人意料的用例。

当前,物理安全领域表现出哪些特点?

首先,我要提到利用云技术提供安全解决方案的服务方式。例如,视频监控和访问控制系统。但考虑到安全系统本身必须部署到本地,在那样的背景下,采用基于云的解决方案意味着什么?云服务通常充当管理系统,用于从设备中收集数据,并进行存储和分析。它还负责管理用户权限,并提供对管理和控制监控界面的访问权限。

这类似于 SaaS 方法。例如,视频监控即服务 (VSaaS) 系统可在云端存储视频档案,您只需在现场安装摄像头即可。或者,您也可以采用混合部署,在本地安装摄像头并存储视频,而使用云服务进行远程视频监控和系统管理。云系统解决方案为用户带来了诸多优势:由于采用即用即付模式,其前期支出低、可轻松扩展到大规模部署、提供开箱即用的远程监控功能,以及清晰的成本规划。

需要关注的另外两个主要趋势是集成和使用人工智能,即神经网络视频分析。首先,这些集成式系统将通过更高效的配置(采用独立系统无法实现)来提高效率。视频监控可以与访问控制、烟雾和火灾探测器、入侵警报甚至楼宇自动化系统相结合。例如,在触发警报传感器时,可以将视频监控软件配置为立即从附近的摄像头向操作员提供视频源,以便该人员迅速评估情况并做出相应响应。另一个示例:最后一名员工下班离开办公场所后,您可以对其进行设置,以便自动熄灭灯光,并将通风系统切换到较低强度。同时开启入侵警报。有大量此类场景:自动化可帮助提高设施的安全性、能源效率和成本效益。

集成安全与统一安全有什么区别?

它们通常可互换着使用,但一般来说,“集成”一词往往是指包括更广泛的、多种多样的解决方案。举例来说,您集成了视频监控和访问控制系统。有人在读卡器上刷门禁卡时,视频监控系统会从访问控制系统接收到一个事件,然后触发视频录制。这样,每次有人通过门禁时,您都会收到录制的视频镜头。该事件本身可能包含员工的姓名及其 ID 编号,因此可以快速在镜头中搜索那些参数。在这个基于事件的集成示例中,系统间相互独立,每个系统都有自己的用户界面、独立配置、硬件等。

“统一”意味着更深层次的集成,其中统一软件负责管理所有设备 — 上例中指视频摄像头和访问控制设备。那该解决方案具有哪些优势呢?首先,视频和访问控制使用单一界面,并由其他功能(如三维地图)提供辅助。例如,可能会在摄像头捕获的面部图像旁显示 ID 卡所有者的访问控制数据库照片,以及他们的姓名、职位和任何其他相关信息。如果照片匹配,您可以手动授予访问权限,否则如果出现不匹配,则可以采取适当措施。您只需一个界面即可完成所有这些操作,而无需在窗口之间切换,并且您可以在一个位置监控所有技术参数,如硬件状态或系统运行状况等。

统一安全还有其他优势吗?

其他优势包括实施独立系统不支持的新功能。这将基于多个来源的信息改进情景分析,同时减少操作员必须处理的信息量。这提高了操作员的工作效率,反过来也降低了出错机率。此外,开放式平台解决方案还允许您组合使用来自不同制造商的设备,并通过单一控制中心对其进行管理。这样可减少所需软件和硬件的数量,进而最大限度地降低设施装备成本。

这不仅仅局限于安全领域。例如,可以将通常作为访问控制系统一部分的考勤系统与公司会计系统进行集成,提供高效、自动化的工作流程。交通执法摄像头可以与开具违规罚款的系统进行集成。还有大量解决方案,在其中实现互操作不仅可以提高安全性,还可以优化业务流程。 

请介绍一下 AI 在实现这其中的一些机会时发挥的作用。

通常,AI 用于准确检测特定形状和对象。在安全相关应用中,这方面的最大需求是检测受保护区域内的人类入侵行为,其中会包含大量无关动作,如树叶吹动、水面涟漪、降水等。捕获所有移动物体时,简单的运动检测会生成各种错误警报。AI 可帮助滤除误报,以免操作员受到干扰,而可以集中精力处理真正的威胁。如果每一种可能的情况都引发警报,操作员会迅速学会忽略它们,并会在发生严重事故时出现漏报。

AxxonSoft 如何确保数据隐私?

在全球许多不同地区 — 例如,颁布了 GDPR 的欧洲和通过 CCPA 的加利福尼亚,有各种当地法规通过这种方式保护人们的权利。当然,AxxonSoft 会提供相关功能,以便 VMS 符合那些法规。我们可以执行各种操作,包括对人脸甚至整个人体进行模糊处理 — AI 分析能够检测到人的位置,并相应地仅对那些细节而不是整个图像进行模糊处理。我们还可以阻挡可能不适合查看的某些镜头区域,并控制到底哪些人员有权查看这些区域。

在添加这些新功能时,企业会面临哪些挑战?

实施统一安全系统比实施独立系统更加复杂。您需要具有更高资质的集成商,并可能需要进行自定义集成和功能增强。这对于高端安装至关重要,如用于大型企业或城市范围公共安全环境的系统等。

我知道,许多人都担心一个问题,即“这是否兼容我现有的摄像头?”但我们肯定会关注那个问题。我们希望自己的系统始终兼容现有系统,不需要人们拆卸所有摄像头并安装新摄像头。

AxxonSoft 有哪些客户案例或用例使这一切都成为可能?

我们可以提供一些范例。就 AI 人体检测而言,我们在南非的野生动物保护区(那里的系统性偷猎行为猖獗)的几处位置实施了该技术。大多数存在这类偷猎犯罪的公园都设有护栏,但通过边界安全系统和视频监控保护这些区域一直都不是十分有效。那些系统会生成相当多的误报,因为动物本身也会经常撞上护栏。安全人员不可能监控每一起事件,而且他们经常会在偷猎者实际已经入侵时误读威胁。通过区分人类与动物,AI 人体检测已帮助解决了这个问题。

定制训练 AI 分析的一个示例,是检测用于实施工作场所安全的个人防护设备。它会定位那些未佩戴安全帽、高能见度背心或其他防护服的人员,实际上,系统可以单独检测某人的头部、躯干和腿部,以检查其是否配备适当的装备。您可以将那与访问控制集成在一起,借助先发检测,系统会变得更加高效。可以在门禁点安装摄像头,员工刷卡时,只有当他们佩戴防护设备时,旋转栅门才会打开。

集成视频监控与第三方系统也广泛用于销售点的收银员操作和监督。视频监控系统会从收银机接收数据,然后将那些数据链接到视频源;例如,您可以在视频上叠加收据文本。您还可以使用收据中的数据(如产品名称、价格或交易金额)快速搜索录制的镜头。事实上,它提供了结算情况的全貌,并可用于揭示通过传统视频监控几乎无法检测到的违规行为。

AxxonSoft 如何与业内其他公司合作?

我们一直在与英特尔以及其他软件和硬件制造商合作。但英特尔处理器是我们客户使用的大多数安全系统服务器的核心组件。AI 视频分析会消耗大量资源,因此,硬件 AI 加速对于构建经济高效的解决方案至关重要。我们将英特尔 OpenVINO 工具套件用于计算机视觉应用;通过将工作负载分布到包括加速器在内的英特尔硬件上,这最大限度地提高了性能。我们可同时在英特尔处理器和加速器上运行 AI 分析。

我们还应用了英特尔® Quick Sync Video 技术,它可在采用嵌入式 GPU 的英特尔处理器上运行。它将为视频解码提供硬件加速。AI 不是唯一对计算机提出严格要求的流程;视频录制也会是一个艰巨的任务。因此,我们会同时在服务器端和客户端使用 Quick Sync。

我们还会与 IP 摄像头制造商合作,以支持嵌入式视频分析和其他高级功能,如智能编解码器。“嵌入式视频分析”指运行自己的 AI 检测的摄像头,此类检测将与我们自己的检测完美集成。AxxonSoft 是为开放式行业论坛 ONVIF 做出巨大贡献的成员,该论坛将为基于 IP 的物理安全设备实现互操作提供并推广标准化接口,同时,我们将努力支持推出的最新标准。

AxxonSoft 是一家高度面向合作伙伴的公司,并一直根据合作伙伴的请求及其特定项目要求执行了许多集成和功能增强。我们始终乐于倾听合作伙伴和客户的意见,以便为各种行业和应用提供最合适的解决方案。

相关内容

有关统一安全的更多信息,请收听播客为什么统一安全解决方案至关重要:AxxonSoft 访谈。有关 AxxonSoft 的最新创新,请在 Twitter @AxxonSoft_ENLinkedIn 上关注他们。

 

本文由文案编辑 Erin Noble 编辑

利用 AI 生物识别技术实现公共交通运营现代化

城市轨道交通使我们的城市更宜居、可持续性更强,但轨道交通运营商发现其大规模普及带来的烦恼也日益增加。基于二维码和车费卡的自动售检票 (AFC) 系统就是一个很好的例子。轨道交通运营商已经利用 AFC 解决越来越多的乘客带来的挑战,如售票亭拥堵、过度拥挤导致的安全问题,以及大量无组织人群造成的效率低下问题。

但是,尽管 AFC 解决方案比人工售票有所改进,挑战依然存在。

公共交通 AFC 解决方案制造商 Huaming 销售总监 Hukemei 表示:“车费卡速度很慢,基于二维码的方法面临的一大问题在于,当信号不佳或乘客的智能手机电量耗尽时,它就无法运行。此外,当今解决方案中使用的许多硬件并不坚固耐用,当这些系统不得不承受极端温度和许多城市轨道环境中的强烈振动时,就会出现问题。”

直到最近,还没有更好的替代方案。但是现在,AI 计算机视觉技术、专用边缘 AI 硬件和 AI 软件开发工具套件 (SDK) 使一种基于手掌静脉识别的新型 AFC 成为可能。这些解决方案将使城市轨道交通更安全、更便捷、更高效。这项技术还将使生物识别在其他场景中的应用成为可能。

边缘 AI 为生物识别售票亭赋能

手掌静脉识别是一种高新技术,但其主要优势来源于人体生理学。像指纹一样,人手的静脉纹是独一无二的,在一个人的成年时期保持不变。毫无疑问,与智能手机相比,人手并不依赖于蜂窝网络或电池。这使手掌静脉纹成为生物识别的理想选择:它们始终如一、难以仿冒,且“始终在线”。

但是,要充分利用这些生物学优势,需要先进的技术。Huaming AFC 解决方案采用多项边缘 AI 驱动型技术,为城市轨道交通运营商提供综合售票系统。

首先,乘客在客户服务亭注册手掌静脉纹。这样可以将他们的生物数据与用户信息相关联,未来在智能检票口实现基于手掌的识别和自动付款。

当乘客想要进站时,他们只需将手举在扫描仪前,扫描仪就会使用近红外光拍摄手掌静脉纹的图像。边缘 AI 设备执行特征提取、加密和压缩,然后将结果数据发送到边缘服务器,检查匹配情况。平均而言,验证过程只需大约十分之一秒。

专为边缘 AI 打造的硬件和软件

从乘客的角度而言,基于手掌静脉的识别就像伸手一样简单。但后台却在进行繁重的计算工作。

Hukemei 表示:“对乘客而言,生物识别 AFC 解决方案必须流畅,对轨道交通运营商而言,它必须高度稳定,但这需要在边缘大规模执行复杂的计算机视觉和 AI 处理任务,而且几乎没有犯错的余地。”

为了开发能够在边缘提供高性能 AI 处理的解决方案,Huaming 采用了多项英特尔技术:

  • 英特尔凌动® X6000E 处理器为边缘 AI 设备提供动力,提供高性能计算机视觉和边缘 AI 处理平台,即使在极端条件下也能可靠运行。
  • 英特尔® 至强® 处理器在边缘 AI 服务器上处理特征匹配,而处理器内置的英特尔® AVX-512 指令集有助于大规模优化特征匹配。
  • 英特尔® OpenVINO 工具套件推理加速将手掌静脉特征提取模型的性能提升近 4 倍,显著降低了推理错误率。
  • 英特尔® Feature Matching Acceleration Library 用于实现面向公共交通的 AI 生物识别解决方案所需的大规模特征匹配。

这样组成了一个稳定的高性能边缘 AI 驱动型解决方案,在极其苛刻的条件下也能良好运行。Hukemei 表示:“英特尔处理器是面向边缘 AI 的优秀计算平台。英特尔 AI 加速工具和模型在加速开发工作和缩短上市时间方面发挥了巨大作用。”

城市交通以外:面向其他场景的 AI 生物识别技术

在未来几年,基于手掌静脉识别的 AFC 解决方案将会引起系统集成商 (SI) 的极大兴趣。该技术高效而稳健。它甚至可以在现有自动检票口功能的基础上实施。例如,Huaming 解决方案使乘客可以选择使用旧式车费卡、二维码或手掌静脉识别。这样,对于城市规划者和城市轨道交通运营商而言,无需再在实施过程中做出非此即彼的决策,对 SI 来说更容易销售。

此外,基于手掌静脉识别的 AI 生物识别技术还可应用于公共交通以外的其他领域。该技术提供许多具有普遍吸引力的优势:安全的非接触式身份验证;误识别和误拒绝率低;支持数据采集和分析的底层计算平台。

Hukemei 表示:“它的无限可能让人兴奋不已。我们看到该技术已经应用于其他形式的智能交通、智能社区、智能文化旅游等。它将使我们的城市更安全、更健康、更高效。”

 

insight.tech 的副主编 Georganne Benesch 编辑。

产学联动带来通过实践学习 AI 的机会

由真人在赛道上驾驶赛车已经令人神经紧绷。现在让我们把这个概念再往上”挂一档”,升级为一辆自动驾驶的赛车。一辆自动驾驶汽车,以令人眩目的速度通过倾斜的弯道、穿梭于其他车辆之间,却不发生任何事故 — 似乎是不可能完成的任务。但这正是促使来自塞萨洛尼基亚里士多德大学的希腊学生赛车队 Aristurtle坚固嵌入式计算解决方案供应商 Cincoze 建立合作的原因。Cincoze DS-1202 嵌入式计算机的采用增强了该赛车队的实力,帮助他们在大学生方程式大赛中取得了更优秀的成绩。大学生方程式大赛是一项国际性的工程设计竞赛,旨在为学生提供体验、制造赛车和学习相关知识的平台。

面向自动驾驶赛车的边缘 AI

Aristurtle 车队此前已经使用电动赛车参加过这项赛事。但在 2020-2021 赛季中,这支车队决定开发他们的首部自动驾驶汽车(图 1)。他们没有从零开始“重新发明轮子”,而是以参加过上一赛季的电动汽车为原型设计他们的自动驾驶赛车。

自动驾驶赛车
图 1。以 Cincoze 的 DS-1202 系统和英特尔® 酷睿™ i7-9700TE 处理器为基础,Aristurtle 赛车队成功打造出他们的首部自动驾驶赛车。

“由于我们使用团队之前开发的车辆作为自动驾驶解决方案的基础,因此我们需要确保自动驾驶流水线与赛车的其他电子系统之间具有软硬件兼容性,以便最大限度地减少不必要和耗时的更改。” Aristurtle 自动驾驶系统校友成员 Nikos Kotarelas 表示。

不出所料,光靠简单的剪切和粘贴是不够的。Cincoze 的高级市场经理 Cindy Lin 表示,达到类似人类的知觉和感觉是最直接的挑战。“自动驾驶赛车高度依赖传感器为其在赛道上导航和避开障碍物,” Lin 指出,“在现实环境中,可能还有许多其他不可预测的因素会影响传感器的精度,比如天气和环境条件。”

该团队发现,开发自动驾驶软件非常耗时,涉及来自软件工程、机器人、计算机视觉和人工智能等许多领域的专业知识。

将转向和制动执行器以及处理单元集成到车辆上是最困难的任务之一,因为竞赛要求自动驾驶汽车必须能够由真人驾驶,Kotarelas 解释道。于是,车辆中可用于放置这些系统的空间变得十分有限。

驶向边缘 AI 解决方案

Aristurtle 决定由自动驾驶处理器 (APU) 从传感器和外围设备采集必要数据,然后执行软件所需的复杂计算,来驱动车辆和转向。

他们选择的嵌入式计算解决方案必须满足连接性、硬件性能和坚固性方面的严格要求。Kotarelas 表示,消除冲击和振动也是设计过程中的关键考量因素。

此外,该团队希望减轻学生的计算负担,让他们更多地专注于汽车电子设备的集成和复杂的人工智能推理问题。而 DS-1202 符合全部要求。

“我们注意到 Cincoze 提供的高质量嵌入式计算机系统符合我们在连接性、性能和坚固性方面的标准。” Kotarelas 表示,“通过与 Cincoze 的合作,采用搭载英特尔® 酷睿 i7-9700TE 处理器的 DS-1202,意味着我们的设计过程得到简化,而且能够在竞赛规定的制作时间内实现。”

Kotarelas 继续说道,“无风扇散热设计、抗振动特性和坚固的外壳确保该系统能够在汽车环境中顺畅运行。”

Lin 解释说,嵌入式计算系统中的英特尔处理器则确保 Cincoze 能够完成自动驾驶赛车所需的复杂 AI 推理和传感器数据的实时处理。

“能够响应 AI 计算需求的嵌入式计算必须应对高功耗、冷却技术、能源效率和紧凑尺寸的挑战,而我们的任务就是找到解决方案。” Lin 说。“通过此次学生合作,英特尔增强了我们的汽车客户的信心,加快了采用,并缩短了汽车项目的上市时间。”

宝贵的产教合作伙伴关系

随着自动驾驶汽车日益普及,对训练有素的工程师的需求也将越来越大,他们可以帮助行业把握正确(安全)的发展方向。

像 Aristurtle 和 Cincoze 这样的合作伙伴关系是一种共生关系。他们为行业提供了一次“试驾”和升级设备的机会,同时促进学生创新。

“自动驾驶是一个全新的领域,学生需要学习 AI 方面的知识,并通过实践探索新方法,这有助于增强他们的创新意识,”Lin 说。通过这样的合作伙伴关系,从真实世界测试用例中学习 AI 技术的机会有所增加,学生们得以加强对图像处理、AI 推理、自动控制等各种行业重点领域的了解。

通过这种方式培养训练有素的劳动力,料将有助于推动智能交通技术的进步。

Kotarelas 表示,“有机会接触像 Cincoze 这样的公司,拉近了我们与其所属行业的距离,我们得以更深入地了解他们的专业领域,还通过赞助/合作的形式获得了切实的支持。”

嵌入式计算的未来正疾速驶向采用。Kotarelas 表示,“嵌入式计算行业最大的趋势之一是集成 AI 技术,支持这些设备在实时执行更复杂任务的同时保持高能效。”

正如与 Aristurtle 的合作伙伴关系所展示的那样,关键在于理解“每个问题对于创建应用特定平台的需求,确保实时处理和能效”,Kotarelas 解释说。无论这些嵌入式边缘 AI 解决方案是在高风险手术中提供辅助,还是被用于确保完成赛马场上紧张的比赛。

 

本文由 insight.tech 的副主编 Christina Cardoza 编辑。

物联网技术为可持续运营提供动力

环境可持续性是当今最紧迫的主题之一。如果我们希望稳定地球气候,保护生态系统,并为后世保留自然资源,那么社会就必须行动起来,严肃对待可持续运营问题。

生活中的每一道阵线都在承压。这种紧迫感来自监管合规、金融市场、企业品牌、成本控制甚至人才招聘等方方面面。这就是为什么你会看到企业、城市、教育机构和其他组织均制定了在未来几年实现净零运营的积极目标。类型、规模各异的组织都在将具有环保意识的计划纳入运营模式的核心。

但要实现这一目标,道阻且长,而物联网技术能够帮助这些组织机构向前迈进一步。各组织机构正在通过 AI 创新、机器学习和计算机视觉平台实现运营转型 — 提高敏捷性、生产率和盈利能力。通过这种方式,他们也在为碳中和运营的实现铺平道路。

可持续运营的业务案例日益增加

当企业转向更具可持续性的运营时,受益的不仅仅是环境,同时也会带来经济回报和新商机。制造业细分市场就是一个例子。除了应对气候变化挑战外,能源和原材料等资源的优化利用也可节省成本。

为提高竞争力,制造商必须在实时质量控制 (QC) 和工厂车间资产维护等用例中采用边缘 AI 和计算机视觉 (CV) 技术。利用工业物联网解决方案优化运营有助于提高机器的性能、改善维护预测,这不仅有助于降低成本,还可减少对环境的影响。

例如,一家水泥炉制造商与工业人工智能公司 BirminD 合作实现温度控制优化,将该公司的煤炭使用量减少了7%,相当于将其排放至大气的二氧化碳污染物浓度降低一半(百万分之 50 万)。取得这些成果的途径是在工厂机器上安装 AI 软件。该方案的成功实施体现了科技能够为全球性问题带来的积极影响。

另一个例子来自全球制造商富士康,他们在减排和合规性方面制定了激进目标。该公司与边缘计算解决方案制造商研华 (Advantech) 合作,在旗下一座制造设施中全面部署智能传感器、电表和 7*24 不间断数据采集系统,实现对能源优化的管理。凭借对能源使用情况的全新监测能力,富士康不仅制定了产能预测计划,还在提高能效方面取得了立竿见影的效果,实现了平均高达 13% 的成本节约

电网现代化提升环境的可持续发展前景

但环境可持续性问题并非企业所独有,而是遍布全球的无数个家庭所共有的问题。气候变化的影响和不断增长的电力需求加大了公用事业领域必须应对的挑战:既要保持电力供应,又要关注可持续性、能源效率和脱碳。拥有电网现代化业务并提供能源服务的企业将处于创收的前沿。但它们面临着多重障碍。为此,电力公用事业公司需要重新思考如何设计、管理和维护电网。

首先,光伏、风能和电池等碳中性能源将推动配电模式发生变革。我们正在从自上而下的单向流动的电源迈向覆盖电网另一侧(用户侧)的高度分布式电源电网。这种双向分布式电源需要采用一定程度的边缘计算来支持实时决策 — 这一点需利用 AI 和机器学习工具来实现。

基于数据所在的变电站构建智能边缘,并将数据规范化,可改善可见性和洞察,从而加快决策。通过建设数据驱动型电网,公用事业公司将最终实现对可再生能源最大限度的利用。实现这一目标的途径是以软件为导向的方法 — 从以硬件为中心转为以软件为中心,从基于模型迈向基于数据,从固定系统转向更敏捷、更可扩展且更可靠的系统。

增加更多智能、提高运营能力可以将这些数据转化为洞察,并最终提高电网的可靠性和弹性。 

可持续建筑的潜力

除了改变电网的设计、管理和维护方式以外,楼宇的所有者和管理者也可以自己的方式减少能源使用。

例如,据世界经济论坛报告,全球 40% 的能源消耗和 33% 的温室气体排放均来自楼宇。随着越来越多的人居家办公,一些办公楼虽然仅容纳过去一半的人员,消耗的电力却还是一样多。因此,企业正在对办公楼宇展开改造,以实现净零排放目标、降低运营成本、提高效率并为混合办公的员工创造最佳环境。高级数据分析和 AI 驱动型洞察可以帮助他们实现这些目标。

“楼宇科技无疑已经存在了一段时间,如今的楼宇通常部署完备。而我们要做的是将所有这些不同的工作负载整合到同一个平台上,然后提取相关洞察,达到提高能效、缩小碳足迹和提高能源弹性的目的。”英特尔全球销售总经理 Michael Bates 指出。

首先,楼宇运营商必须收集和预处理来自一系列互不兼容的系统的数据 — 从暖通空调到照明系统、再到供水和空气调节。对这些数据进行分析,我们便能了解基于楼宇的现有设备和系统,该如何通过优化,呈现其应有的最佳状态。将所有工作负载整合在一起带来的好处是:你会开始发现规律,然后通过制定相应的计划来实现目标

超市可以充分例证智能楼宇投资带来的回报。超市里通常充斥着耗能的系统,如冰箱、发电机、烘焙烤箱和供暖系统。英国第二大连锁超市 Sainsbury 就是一例,它的目标是到 2040 年实现净零排放。

这家杂货超商与能源分析和物联网解决方案提供商 Hark Systems 展开合作,在包括照明和制冷系统在内的 2 万项资产上实施了 Hark 平台。该系统每天检索超过 2 百万个读数,检测异常情况并针对潜在设备问题发出预警 — 从而节省能源和成本。而在能源价格飙升的冬季,公用事业提供商会向系统发送预设通知,自动安排配置文件更改,以便降低建筑物的负荷。

未来,您将看到像 Sainsbury 这样的企业如何转化为微电网。自行发电并将多余的电力回售给电网,这就等于获得零碳电力。实现这一目标所需的大部分技术 — 光伏电池板、储能装置和 Hark 这样的平台已经存在。这是智慧楼宇能够为可持续发展开辟的一条道路。

着眼当下,放眼未来

可持续发展是全球的当务之急,而对创新技术的采用则是迈向净零排放世界的重要组成部分。这是一个真正大有可为的领域。这不是理论假设;也并不令人却步;而是为人们所切实需要。对于有助于实现这一目标的物联网解决方案,人们的需求极大。

 

本文由 insight.tech 的编辑副主管 Christina Cardoza 编辑。

计算机视觉和 AI 助力智能停车解决方案

用户应能够轻松方便地进出停车场。但有时,这可能导致令人沮丧甚至让人尴尬的问题。例如,一次去英格兰旅行时,我才将出行令牌插入机器,车子就熄火了。提升门随之关闭,我们的一名乘客不得不前往上爬两层楼到前台,才能获取另一个令牌。

那天,我本可以使用智能停车系统的。我遇到的情况绝非个例。大多数驾驶员都在使用停车系统时遭遇过挫折。一个常见的问题是,在泊车员收费或查看授权车辆清单时,驾驶员必须排队等待。自助服务终端和基于 RFID 的系统等解决方案可以帮助车辆顺利通行,但我经历的延误问题仍是普遍现象。

总部位于迪拜的全球物联网解决方案公司 Disrupt-X 首席产品官 Alhamade Abelgadir 称:“实际上,我居住的大楼就使用基于 RFID 的解决方案来管理停车通道和入口。有时候,读卡器无法轻松读取通行卡,因此,我不得不打开车窗或下车操作。”然后,有些时候,驾驶员会遗失 RFID 卡,并且必须去补办新卡。

Disrupt-X 已在其平台 Cognitive Neurons 上开发了一款智能停车解决方案。它采用了自动车牌识别 (ANPR) 技术,使用计算机视觉和 AI 算法来识别进出停车场的车辆。

位于出入口的摄像头会读取每辆车的车牌,并根据授权车辆数据库对其进行检查,然后打开闸门。整个过程只需要一两秒钟。这比警卫拿着记事板检查每辆车要高效得多。或者他们会使用 RFID 传感器,Abelgadir 对此十分了解。

智能停车物联网平台的实际应用

Disrupt-X 平台提供了一整套物联网解决方案,Cognitive Neurons 应用只是众多解决方案之一。

Abelgadir 说:“大多数物联网平台都专注于提供应用支持。企业购买这类平台后,仍然需要投入资金,以此为基础构建用例。因此还存在大量的附加成本。”Disrupt-X 则有所不同。它内置各种应用,客户可以逐个激活这些应用。这有助于降低成本。

Abelgadir 表示:“我们不会就现有应用向客户收费,而是针对他们所使用的那些应用或他们连接到该平台的设备收费。从本质上讲,我们实际上正在为物联网解决方案构建所谓的超大规模平台。”

ANPR 是优先事项,因为它满足了迪拜和邻近城市的迫切需求。高温、交通拥堵和空间限制相叠加,给停车带来了挑战。

Abelgadir 指出:“迪拜本身是一个人口相当密集的城市,土地面积并不是很大。”许多建筑都在地下或高层设有内部停车场。手动停车系统效率低下,并且会带来安全挑战。记录车辆进出情况的日志容易了出现人为错误,为了避免麻烦,警卫有时会放行未经授权的车辆。

Cognitive Neurons 的摄像头会捕获每辆进出车辆的车牌号码。它可以防止借道 — 紧贴前车行驶以逃避检测。即使车辆得以通行,系统也不会允许其驶离,因为它并不在白名单上。那实际上会引发安全警报。

Abelgadir 表示,为了保护居民隐私,Disrupt-X 会最大限度地减少平台所收集的个人身份信息 (PII) 的数量,并将其与所处理的其他数据隔离开来。

另一个控制成本的做法涉及在内部开发许多解决方案元素,并尽可能地提高平台效率。例如,现场部署的一台紧凑型英特尔服务器将运行 8 到 10 个摄像头以用于 ANPR。

物联网用例日益增多

除 Cognitive Neurons 的智能 ANPR 应用以外,Disrupt-X 还提供了大量智能建筑和智慧城市功能,如环境质量监测和预测性机器维护、水泄漏检测、资产跟踪、远程信息处理、停车位跟踪和井盖监测。

Abelgadir 说:“我们会不断增加我们的产品组合。我们甚至还构建了非常有趣的用例,例如啮齿动物监测。我们使用传感器来标识建筑物内可能产生鼠患的具体位置。”

客户投资购买该平台后,就可以访问任何可用的应用。他补充说:“要利用那些用例,他们需要将硬件或设备连接到平台上,以便开始接收数据。那时,他们将开始了解用例本身。”

Disrupt-X 致力于在效用与可承受能力之间取得平衡。Abelgadir 表示,类似解决方案的成本可能要高出四到五倍。他说:“无论您进行什么投资,都应该合情合理,并应该从中获得回报。”

他指出,在迪拜和周边地区,客户需要先看到某项技术的价值,才会开绿灯准许采用该技术:“因此,对我们而言,我们非常关注成本及其创造的价值。”控制成本还意味着放宽普通大众采用的门槛,另外,简化用户体验还可以最大限度地降低培训需求,并允许用户单击两三次鼠标即可完成任务。

Abelgadir 表示,英特尔是一个关键合作伙伴:“他们提供了一套强大的技术,帮助我们开发自己的解决方案。”这包括硬件/软件堆栈和英特尔® OpenVINO 工具套件,它们为计算机视觉开发和功能提供了支持。

Abelgadir 认为:“从业务角度看,与英特尔合作让我们可以更多地接触其包括合作伙伴、客户和经销商在内的更广泛的生态系统。”

事实证明,那种接触极具价值,因为 Disrupt-X 开发了更多智慧城市和智能建筑应用。今后,技术将侧重于通过数据分析和自动化来实现能源和其他资源的高效利用。Disrupt-X 平台将通过一大批应用来帮助实现这些目标,这包括:用于车队管理的远程信息处理、资产追踪和其他智能建筑解决方案。

 

insight.tech 的副主编 Georganne Benesch 编辑。

AI 放射科辅助工具为服务水平不足的社区提供帮助

统计数据显示,在发展中国家,每 10 万人只拥有一名放射科医生,这使得拍摄和分析 X 光片成为医疗诊断的一个主要瓶颈。而且,问题不仅仅在于专业人员的短缺:基础设施方面的差距也是一个挑战。在设施完备的美国医院,一名放射科医生一天可能会分析 200 张或更多 X 光片;而在资金不足、设备不够先进的印度乡村医院,每天分析 100 张 X 光片可能都很困难。

此外,X 光片并非放射科医生需要分析的唯一一种影像。他们常常不得不就如何在 X 光、CT 和 MRI 等模式之间分配时间做出艰难决定,尤其是当他们被要求优先处理 CT 和 MRI 扫描时。当所有这些因素综合在一起时,可能会导致大量未经检查的 X 光片发生积压。

为了解决这些问题,基于 AI 的临床决策支持 (CDS) 工具等先进技术涌入放射学领域,帮助放射科医生在不影响质量的前提下加快 X 光片分析速度。

临床决策支持的优势

顾名思义,临床决策支持工具的设计宗旨是帮助临床医生分析影像,并做出决策。这些工具可采取多种形式,例如基于规则的系统、基于映射的系统、生产力或自动化系统

过去十年,基于 AI 的 CDS 工具已经出现在几乎所有能够因电子健康记录 (EHR) 和其他临床数据的自动化分析而受益的医学领域中。驱动这种快速增长的部分原因在于,利用 AI 检查患者数据的成本有所降低,FDA 等官方机构也制定了新的监管准则,为 CDS 尤其是 AI 的广泛采用铺平了道路。

但是,尽管 AI 辅助成像的成本在过去十年大幅下降,对于较贫困地区而言,这项技术仍然遥不可及。问题的一部分在于,AI 放射学解决方案侧重于特定诊断,例如结核病或囊性纤维化。要拥有完整的诊断套件,诊所需要多个 AI 解决方案,从而推升成本。

对特定疾病的侧重也限制了这些工具节省放射科医生时间的能力,尤其是在 X 光影像方面。“当患者进行胸部 X 光检查时,你不知道他患有 A 疾病还是 B 疾病”,L&T Technology Services (LTTS) 医疗业务部门数字健康计划负责人 Mukundakumar Chettiar 说。“胸部 X 光检查的作用是进行筛查,因此,你未必知道自己在寻找什么。”

对通用系统的需求

由 LTTS 开发的 Chest-rAI 是一款通用 X 光 CDS 工具,旨在提供更全面的 AI 辅助成像方法。Chest-rAI 不会寻找特定疾病,而是在 X 光片中检查广泛的异常和潜在生物标记物。该工具可处理医疗机构遇到的 85% 以上的诊断,准确率超过 92%

为了做到这一点,Chest-rAI 采用了一种创新深度学习架构 — 基于卷积注意力机制的句子重建和评分 (CARES)。据 Chettiar 介绍,CARES 会从放射图像中提取特征,然后生成语法和临床意义上均正确无误的报告来描述其发现。Chest-rAI 还采用一种称为放射学发现质量指数 (Radiological Finding Quality Index) 的独特评分机制来评估放射学发现、对其进行定位,并确定报告中出现的每项发现的大小/严重程度。

此外,它采用英特尔® AI Analytics 和 OpenVINO 工具套件来优化推理流水线,并将分析结果报告时间从大多数情况下的八周缩短为仅仅两周 — 放射科医生使用基于 Web 的界面即可远程访问报告。英特尔® Extensions for PyTorch (IPEX) 被用于优化性能。这种自动报告、快速出结果和远程访问的结合极大地提高了放射科医生的读片能力,以满足服务不足人群的需求。

“使用英特尔工具套件帮助我们的团队将推理速度提高了 1.84 倍,并将结果报告时间缩短了 75%”,LTTS 的 AI 工程师 Nandish S. 表示,“模型大小也因此而缩小了近 40%。”

由于经过高度优化,Chest-rAI 的部署形式多种多样:在云中、在本地解决方案中,或者作为嵌入式解决方案部署在边缘。医院可灵活采用最适合其预算和现有基础设施的解决方案。

Chest-rAI CDS 可轻松与医院的现有系统集成,既可独立应用,又可作为大型系统的一部分使用。集成过程专为简化操作而设计,因此在将 CDS 融入医学影像存档与通信系统 (PACS) 以及放射科信息系统 (RIS) 等现有医院系统时,只需数日即可完成设置和上线运行。

更智能、更可负担的放射学解决方案

过去十年,基于 AI 的工具给许多领域带来转变,推动乳腺癌筛查、糖尿病视网膜病变、皮肤病变分类、败血症休克预测等众多应用取得更好的成果。

尽管在放射学领域取得了这些进步,但放射科医生的工作负荷仍然成为医疗系统的瓶颈,特别是在发展中国家。现有工具的针对性过强,无法满足 X 光等广泛筛查模式的需求。随着更多通用工具(例如 LTTS 的 Chest-rAI)的出现,放射科医生现在既可节约时间,又可服务于更大人群,这正是许多乡村医院所需要的。

 

本文由 insight.tech 的副主编 Christina Cardoza 编辑。

统一数据基础设施 = 智能工厂解决方案

工业 4.0 解决方案需要让拥有各种规模和预算的制造商都能使用,但可扩展、经济高效并在单一平台上集成多种功能的软件可能很难找到。为了获得统一的数字系统,制造商可能必须集成多个软件服务和平台,才能实现数据在预测性维护和流程管理等关键领域的流动。但是,开发不相关软件应用程序之间的集成可能是一个漫长且代价高昂的过程,而且结果往往不完美。

iProd 制造优化平台旨在解决这些挑战,让制造商不仅可以访问统一的数字平台,还可以访问允许公司与客户和供应商共享实时信息的业务生态系统。这个基于云的即付即用解决方案提供来自边缘设备的可操作洞察,为组织自动执行和管理关键业务流程提供支持。九个不同的基于云的软件应用程序可实现最佳系统性能,并且通过直观、用户友好的界面,制造商可以:

  • 计划生产执行和监控
  • 管理资产
  • 查看和管理 KPI
  • 进行采购和管理供应链
  • 处理行政任务
  • 实时分享图纸和评论

基于云的软件提高运营效率

iProd 平台发挥作用的一个例子是隶属于博世集团柴油系统事业部的 VHIT Spa。VHIT Spa 在液压领域开展业务,开发汽车用真空泵、静液压控制系统以及用于汽车、拖拉机和土方机械的容积泵。

Bosch VHIT 工厂位于意大利北部,是为全球主要汽车制造商提供关键零部件的领先供应商,客户包括标致、雪铁龙、大众、奥迪、保时捷、戴姆勒、菲亚特、依维柯、CNH、Jeep、克莱斯勒和 VM Motor。

Bosch VHIT 是一家致力于创新的公司。近年来,该公司通过取消非增值活动和加强工作优化活动,开始了一个提高效率的过程。Bosch VHIT 首席执行官 Corrado La Forgia 解释说:“出于这个原因,公司正走在‘让机器说话并使其智能化’的道路。为了获得准确和有价值的信息,有必要从机器获取数据,从而提高生产率并了解一天、一个月或一年中生产了多少件产品,为生产经理提供正确的工具,以便他们做出正确的选择来提高生产质量和效率。”

该公司在使用 iProd 平台仅几个月后就看到了投资回报。在使用满一年之前,其机器在设备综合效率 (OEE) 方面实现了 10% 的生产率增长和 15% 的成本降低。该平台的灵活性和易用性使其能够与公司已经使用的任何其他 CMR 管理软件和业务流程集成,从而限制了安装和数据集成管理的成本。

易于部署的工业 4.0 解决方案

该制造优化平台由坚固的工业平板电脑、移动应用程序和用于设备互连的采用英特尔技术的物联网边缘网关组成。该平台的潜在用户包括各种各样的角色,从物业和生产经理到工程师、管理员、项目经理,甚至首席执行官。

使用 iProd 解决方案,制造商可以轻松互连世界任何地方现有的不同品牌的机器、物联网传感器和模块。“连接、启动和运行非常简单”,iProd 联合创始人兼首席营销官 Pier Luigi Zenevre 表示。“我们的全部数据架构都是统一的,因此输入来自不同机器的数据非常简单。”信息在边缘进行预分析和过滤,然后安全地发送到云端。

与英特尔的合作对该解决方案的成功起着关键作用。“与英特尔合作是我们做出的最重要决定之一”,Zenevre 说。“这对我们来说是一项参考技术,许多公司正是因为这种合作关系而与我们接洽。”

为基于机器的市场做准备

制造优化平台为工业机器成为客户的未来铺平了道路。“我们期待自动化工厂的到来,届时,机器不再等待人类输入,而是管理自己的任务”,Zenevre 说。

它们可以实现这一点的一种方式是通过解决方案的内置物联网市场,其中包含能够与机器以及人类交互的算法。采购可以通过多种方式进行:由员工采购、由机器采购并由人确认,或由机器在给定预算内采购。

例如,一个连接的传感器可能通知需要预定的备件来继续其生产任务,避免机器停机。它可以根据 iProd 制造优化平台上预先设定的未来生产计划重新订购原材料。机器可以通过物联网市场订购这些商品,一切无需人工干预。

“当机器按照制造商选择的预定规则被触发时,它能够在给定的预算内进行采购”,Zenevre 表示。“我们被 Gartner 称为第一个能够实施这种‘机器客户’技术的工业平台。”

最终,这样的系统使制造商能够最大限度地利用并投资于人力资源开发。“我们创造了一个集成解决方案,让制造商能够发展他们的人才库,而不需要让许多工人靠近车间的机器”,Zenevre 表示。“我们的目标是看到制造业出现创新文化,其中操作员是关键的利益相关者和最重要的信息来源之一,因为他们带来了他们过去的经验,可以帮助定义最有效的工厂车间运行方式。”

 

insight.tech 的副主编 Georganne Benesch 编辑。

无代码计算机视觉放开 AI 闸门

预计在未来几年,计算机视觉将周期性地提高组织的投资回报率,同时保持工作场所的安全性。这是因为在任何企业中,计算机视觉都能够提高业务生产力、简化流程、跟踪停机时间、降低运营费用,并监督安全法规的执行情况。

然而,将这些解决方案付诸实践并非易事。要成功运行,计算机视觉系统需要三个要素:大量的图像数据、经济高效的适合产品流水线的算法选择,以及重复多层的优化。根据无代码计算机视觉和视频分析平台 Tusker AI创始人兼首席执行官 Harshal Trivedi 表示,要成功完成这项工作,组织需要内部专业知识(这是许多组织都缺少的),而且聘请外援的费用可能很高。

尽管大多数企业领导人相信计算机视觉可以为他们节省时间和金钱,但在组建熟练的团队后,通常需要数月时间来训练针对单个用例的算法。即使能完成所有这些工作,许多项目仍然由于不可预见的数据问题或实施问题而夭折在概念验证试验阶段。
幸运的是,像 Tusker AI 这样的公司正在不断发展技术来简化开发流程,让即使没有任何编码或 AI 技能的人也能快速创建、生成、测试和扩展有效的计算机视觉解决方案。随着智能视觉系统越来越普及,更快的开发速度可以为组织带来显著优势。

深度技术无代码计算机视觉

许多组织已经在闭路电视安全摄像机头收集数千张图像。为了简化应用开发,Tusker AI 创建了一个工具,可以将这些图像上传到其平台上,各公司在该平台上可以点击来选择自己的数据驱动解决方案模型(或多个模型),并立即开始基于这些图像/视频来训练算法。然后,他们点击另一个按钮来测试模型并检查其准确性。如果某个解决方案看起来很吸引人,他们可以点击“部署”。

“上传、训练、部署 — 点击三次就完成了”,Trivedi 表示。

无需任何编码或 AI 专业知识,这有助于企业节省时间和金钱。Tusker AI 视频智能平台通过消除开销和提供带用户界面的自动化引擎来简化计算机视觉,帮助设计、部署和理解数据源以满足业务需求。除了使模型设计任务自动化和标准化之外,Tusker AI 还包括复杂查询,以提高业务一致性、确保数据完整性并简化集成。

“结果是更快的洞察和业务影响、完全自动化的业务流程以及快速提升技能的能力”,Trivedi 说。

完成的 AI 模型在几小时内即可使用,而不是数月,让开发人员可以专注于其他项目。该平台使用英特尔® 发行版 OpenVINO 工具套件,其中包含了许多用于组装图像识别和深度学习模型的构建块,从而提高效率。

“英特尔 OpenVINO 加快了开发速度,优化了性能,并降低了成本”,Trivedi 表示。

借助 Tusker AI,各公司还可以创建额外模型或添加新图像,而无需额外费用。Tusker AI 的深度学习模型可以识别一系列概念,包括物体、事件、情绪和工业级部署预测。

“一旦建立流水线,就可以自动扩展。无论你有一张还是数百万张图片,每摄像头成本都是一样的”,Trivedi 表示。

千变万化的 AI 模型

还可以对 AI 模型进行调整,更高效地完成几乎无限多样的具体任务。Tusker AI 的视觉智能平台使质量控制、视觉检测、缺陷识别和装配线优化的自动化成为可能。

例如,在印度的一个为期一个月的大型宗教节日中,组织者使用 Tusker AI 帮助志愿者人员管理该活动的 1400 万游客。

“在过去,有许多管理问题。没有人知道什么时候会有人群出现”,Trivedi 解释说。

组织者使用智能摄像头并为其开发了一个 AI 模型,在车辆到达前通知停车场人员,帮助他们重新安排交通路线,并且每天引导 50,000 多辆车进入每个停车场的停车位。在入口大门和展馆入口处也安装了摄像头,AI 模型在这些位置对游客进行计数,帮助工作人员管理人流。其他摄像头放置在食品摊位上,使用算法跟踪食品销售情况,并将信息与库存相关联,确保供应始终充足。

在工业行业,计算机视觉模型在工作场所安全方面发挥着关键作用。例如,在一家重型机械制造厂,每年都有一两名工人因过于靠近一台装有强力吸气扇的机器而受伤,尽管地上已经画了一条明亮的黄线警告他们不要在机器运行时越过这条线。

该工厂利用 Tusker AI 创建了一个使用智能摄像头的警报系统,只要有工人走近黄线,就通知车间经理。如果有人在机器运行时越过黄线,就会发出声音警报。Trivedi 解释说,这个简单的系统可以防止工厂发生严重、代价高昂的事故和停工。

在仓库和工厂,也可以创建 AI 模型来提醒管理人员可能出现的问题,从而节省资金并进一步提高安全性。计算机视觉算法可以添加到(或替换)许多公司目前使用的第三方视频监控服务。Trivedi 表示,这些服务记录事件,帮助法证调查,但很多服务并没有提供警报来帮助公司预防事故发生。

对于一家每个月要承担 100 到 300 个包裹损坏成本的电子商务配送公司来说,预防问题发生是重中之重。该公司使用 Tusker AI 为其仓库摄像头创建监控算法,以确保工人按照正确的程序操作。如果货物被投掷、装载不当或以其他方式处理不当,系统会向经理发出警报。自安装该系统以来,关于打包的金钱损失和投诉减少了 50% 以上。

由于摄像头会收集大量个人信息,Tusker AI 使用多种控制手段来确保数据隐私。当选择图像进行分析时,只会传输、处理和存储它们的相关元数据。元数据在传输过程中和静态时是加密的,并受到访问控制和定期安全审计。对欧洲通用数据保护规则 (GDPR) 和加州消费者隐私法 (CCPA) 等法规的遵守已内置于平台中。

未来:计算机视觉模型无处不在

Trivedi 认为,安全、易于使用的计算机视觉模型的范围广泛,但与即将到来的智能视频浪潮相比,根本不算什么。

“我们将看到自动驾驶汽车、机器人、无人机以及许多新的元宇宙、虚拟现实和增强现实应用。这些系统离开视觉分析就无法运行”,他表示。

尽管先进的解决方案在成为主流之前还有很多重大障碍,但许多公司正在投入时间和资金进行 AI 视觉研究。当他们的产品发布后,Tusker AI 希望帮助客户无需编码就能进行定制。

“我们正计划打造我们的平台,将自动化提升到新的水平”,他表示。

 

本文由 insight.tech 的副主编 Christina Cardoza 编辑。

人工智能视频分析提供安全和保障

您不可能同时亲临每一处场所处置所有事务。不过,多一种视觉监控方式可以帮助整个行业环境——从高级护理服务到公用事业部门的资产管理。

想象一下,有多种方式可以通过视频图像分析主动防止问题发酵:它可以提醒机场当局注意高人流量区域的无人看管和来路不明的物品。它可以检测托管核电站和发电机等关键基础设施的站点的入侵。它还可以在高速铁路车辆的路线中发现异物。

在边缘充当传感器的摄像头可以捕捉到此类异常状况。人工智能 (AI) 可通过针对各种预先配置的事件发出警报,帮助他们了解其发现的情况。这使企业能够主动预防,节省时间和花费,甚至挽救生命。

从边缘到云端的 AI 视频分析

Irisity 是一家软件视频分析提供商其首席技术官 Zvika Ashani 表示,通过其 IRIS+ 平台(一种基于 AI 的视频分析解决方案)可为各个细分市场的客户精确提供此类解决方案。

IRIS+ 是一种物联网解决方案,其中智能设备部署在边缘。外形小巧的电脑可用作边缘设备并将数据路由到集中式后端。服务器运行 IRIS+ 软件,该软件基于计算机视觉和视频处理领域的 AI。

计算机视觉和视频处理正是美国一家大型电力公司在部署 IRIS+ 解决方案时所寻求的功能。该公用事业公司在全国拥有数百个无人值守的站点,这使得入侵检测成为一个至关重要的问题。

IRIS+ 不是公司现场测试的第一个视频分析解决方案,但却是最符合其要求的解决方案。Ashani 说,“我们的架构在每个远程站点都只有一台小型电脑,这正是他们所需要的,而且他们有一个网络可用于将数据回传至他们的数据中心”。由于使用了大量的摄像头,因此 AI 解决方案必须准确,这样它才不会经常出现“狼来了”的情况,发出错误警报。

边缘解决方案还需要在开阔的室外环境中运作。实施 IRIS+ 已帮助该公用事业公司主动检测入侵,并减少昂贵的上门服务部署。偶尔的人工巡逻作用有限,因为他们错过了检查间隙发生的状况。

公用事业公司等智慧城市客户可以选择像以前一样在本地运行 IRIS+ 解决方案,或者在连接摄像头后通过 SaaS 门户运行。Ashani 表示,无论哪种情况,Irisity 都能确保视频图像的隐私。Ashani 说,“我们对存储的所有图像进行加密,强化我们自己的云解决方案,并定期进行渗透测试以确保系统不易受到攻击”。由于隐私法和合规性法规因国家/地区而异,Irisity 的分销商和系统集成商与其客户合作,以确保解决方案部署符合当地数据隐私法规。

测试解决方案

Irisity 在英特尔的 AI 解决方案验证实验室中测试其 AI 解决方案,这使开发人员能够远程修正最适合手头问题的硬件和芯片组组合。Ashani 说,“我们需要在处理器型号和内存配置方面测试各种配置。”他表示,“在我们自己的实验室中筹备此类测试真的很昂贵。”使用英特尔的资源有助于降低成本、节省时间并可以更快地制定出正确的解决方案。在 AI 解决方案需要处理高密度摄像头传感器的用例中,Irisity 采用的是第三代英特尔® 至强® 可扩展处理器。

公司还采用了英特尔® OpenVINO 工具套件,并且 Ashani 表示,其“帮助我们以最少的算法开发人员的工作量,从基于英特尔® 处理器的平台获得最高性能。”“他们主要专注于收集数据、训练我们的模型,然后让该模型以优化的方式在 CPU 上运行。OpenVINO 缩短了面市所需时间并降低了我们的开发成本。”

视频分析的未来

期望视频分析软件在对象检测以及分析和理解行为和属性方面变得越来越准确。Ashani 表示,“所有这些都需要大量的计算能力,随着处理器世代的发展,我们提升了边缘的能力,它们将直接影响我们可以运行的应用程序类型。”

该领域也在不断发展,从多个摄像头连接的数据可以覆盖更大范围的开阔区域。此类功能的潜在应用包括户外烟雾和火灾探测。Ashani 指出,曾发生过一系列无人值守的加油站火灾事件,并造成大量损失。不过,他表示,将 IRIS+ 解决方案作为软件层添加到现有摄像头之上有助于主动发出警报并避免灾难。

各种规模的公司和企业可能无法同时亲临每一处场所。但是,通过利用来自摄像头网络的馈送信息和在视频数据之上的智能分层,他们可以在正确的时间监控正确的位置。

 

insight.tech 的副主编 Georganne Benesch 编辑。

一体机套件为制造业机器视觉提供动力

制造商迫切希望在工厂中实施机器视觉解决方案。该技术可以提高产品质量,提升运营效率,降低成本,并帮助公司扩大规模。但对于服务于工业领域的解决方案提供商和系统集成商而言,机器视觉可能是一把双刃剑。

智能制造硬件平台专业公司、深圳市信步科技副总裁叶志辉 (Patrick Ye) 说:“一方面,您拥有这项强大的先进技术,能够解决极其复杂的问题。不过,实施起来却需要开发方面的专业知识和计算能力。机器视觉解决方案应能适应多种用例和可配置的后期部署。”

但这意味着解决方案提供商需要寻找异常灵活且可扩展的解决方案,才能保持盈利。幸运的是,一体机、即时部署的机器视觉套件现已上市。这些套件由全新硬件和软件平台提供支持,通过灵活、可扩展的平台提供强大、可靠的 AI 处理。

克服制造业机器视觉面临的障碍

机器视觉套件的兴起是一种技术趋势,就像 AI 领域的许多技术发展一样,它是利益相关者的业务和运营需求驱动产生的。

对于制造商而言,他们试图解决棘手的技术问题:在要求苛刻的工厂环境中进行光学字符识别 (OCR);精度要求比过去高得多的复杂缺陷识别。但能够满足这些需求的机器视觉解决方案依赖于深度学习等复杂的 AI 技术,需要前所未有的处理能力和大量的开发工作才能实现。

此外,叶提到,市场正在寻找高度灵活、可扩展的机器视觉平台:

“这些解决方案面向希望发展壮大的创新型企业。但正因如此,从实施后重新配置的角度来讲,如果制造商需要改变流程、新开产品线或扩大规模,这些解决方案就需要非常灵活。为了避免受到供应商限制,模块化设计也受市场青睐。”

复杂、强大和灵活的需求也对解决方案提供商和系统集成商提出了挑战。也就是说,他们的买家渴望获得机器视觉解决方案,但他们想要的解决方案开发成本高昂,而且开发周期很长。

机器视觉套件应运而生,它是一种模块化、可扩展的工业级套件,提供一系列配置选项,能够满足对计算能力、I/O、外形和功能的各种要求。

这些套件对所有相关方来说都是双赢。它们缩短了解决方案提供商和系统集成商产品的上市时间,降低了开发成本,而且为制造商提供了强大、灵活、易于部署的机器视觉解决方案。

软件和硬件技术的协同

打造同时满足多种需求的平台,关键是将一流的硬件和软件结合起来,构建全面的解决方案。为了实现这一目标,信步科技与英特尔合作,使用信步科技的硬件设计以及英特尔处理器和软件开发工具,开发出机器视觉套件。

该套件的不同组件和架构功能为用户带来巨大优势:

  • 从低功耗设置到深度学习和边缘 AI 模型训练等高功耗应用,英特尔处理器都能提供可靠的高性能计算机视觉处理。
  • 模块化设计缩短了开发周期,降低了成本,并简化了最终用户的维护和升级过程。多种 I/O 选项支持高清 IP 摄像头和一系列人机交互显示选项。
  • 借助信步科技的系列套件模型(包括各种扩展插槽),实现可扩展设计,用以处理数据存储模块、网络、动作捕捉和控制以及通信。
  • 英特尔® 工业边缘洞见平台(英特尔® EII)提供准确的图像识别,并通过边缘快速图像采集、处理和分析实现实时控制和管理。英特尔 EII 支持边缘图像和视频处理、预训练模型分析、边缘视频推理、AI 加速以及专为深度学习应用设计的开发工具套件。
  • 英特尔® OpenVINO 工具套件能够加速机器视觉应用的开发,实现 AI 优化。

叶表示,在将信步科技解决方案推向市场的过程中,英特尔技术至关重要:“英特尔处理器是机器视觉应用的理想选择,其 AI 软件开发工具对加速开发大有帮助。”

摆在系统集成商和解决方案提供商面前的新商机

在未来几年,机器视觉套件将为系统集成商和解决方案提供商提供极具吸引力的商机,帮助更多制造商利用计算机视觉技术的优势。

这些套件功能强大、简单易用,使解决方案能够解决制造商常见的痛点,而且它们的灵活性将抵御工业 4.0 时代标志性的持续变化。它们具有快速开发和轻松定制的特点,对于渴望利用机器视觉解决方案新兴市场机遇的系统集成商和解决方案开发商而言,这一点也很有吸引力。

叶说:“一体机套件将成为机器视觉在工业领域应用的巨大推动力。它们使企业能够快速部署机器视觉解决方案,还使系统集成商和解决方案提供商能够加快产品上市速度。通过将机器视觉硬件和软件的优势相结合,这些套件实现了事半功倍的效果。”

 

insight.tech 的副主编 Georganne Benesch 编辑。