李薯升--边缘智能：赋能实时决策构筑安全高效的智能化应用场景.pdf

1、边缘智能：赋能实时决策，构筑安全高效的智能化应用场景李暑升国际人工智能研究院目录content010203边缘智能简介边缘智能的应用智慧农业04水库安全监管解决方案边缘智能的定义3边缘智能，指的是在边缘计算环境下实现的人工智能技术。边缘计算使得数据可以在其被收集的原地即时进行计算处理，无需传输至集中的云计算平台或远程数据中心。这种技术模式赋予了设备在不依赖云端或远程数据中心的情况下，更迅速地做出明智决策的能力。边缘智能的特点4边缘计算的一个显著特点无论互联网连接是否存在，AI算法都能在设备上直接处理数据。数据能在毫秒级的时间内得到处理并给出实时反馈这一特性还意味着某些敏感数据可以完全保留在边缘

2、设备上，从而大幅提升了数据安全性。边缘智能的应用场景5就近提供数据分析处理服务，能够实现更快的设备/服务响应，满足各行业在实时业务、应用智能、安全与隐私保护等方面的需求。边缘智能的应用场景：农业智能监测6在智慧农业中，边缘设备可以实时采集分析来自空气、土壤、水利、温湿度传感器和无人机的数据，以全面监测作物状况和农业环境状况，灵活控制耕种、施肥、灌溉以及防灾事项，并为作物管理做出数据驱动的科学决策。农业智能监测中的挑战7准确性准确性：农田环境复杂多变，如何在不同天气、季节和地形条件下准确地进行监测实时性实时性：在农业中，某些情况需要快速反应，如病虫害的及时处理。如何在确保模型预测精度的同时，满足

3、实时性的要求是一个挑战适应性：适应性：针对不同地域、气候条件和土壤类型，研究数据融合技术在提高农业监测精度和预测能力方面的作用。核心内容8边缘设备视觉检测技术边缘设备视觉检测技术：研究利用边缘设备（如树莓派、Jetson Nano等）进行实时视觉检测的方法，以便在农业生产现场实现对作物生长状况、病虫害和农业机械设备等关键信息的监测；数据融合技术数据融合技术：将来自不同传感器的数据进行融合，包括图像数据、环境参数（如温度、湿度、光照等）、土壤信息等，以提高监测准确性和决策效率。应用场景研究应用场景研究：针对不同农作物和生产环境，探讨边缘设备视觉检测与数据融合技术的应用方法和优化策略，以满足多样化

4、的农业监测需求。9技术路线技术路线1 基于深度自编码器的视频异常检测（1）构造自编码器（2）只学习正常样本的分布（3）利用重建样本和输入样本的误差 训练自编码器（Autoencoder）只能重构正常图像，无法重构异常图像 优势：泛化性强，无监督不需要标注数据10技术路线技术路线2 基于无监督学习扩散模型的图像正样本检测（1）利用扩散模型重构样本（2）解决不稳定的鞍点问题（3）重建高质量和稳定的样本 噪声引起的信息衰减 扩散模型效果优于生成对抗 优势：较快的收敛，生成高质量图像，训练阶段只需要正样本11技术路线技术路线3 融合技术路线1和2的多尺度扩散模型重构模式框架（1）多尺度特征增加特征的不

5、同层次信息（2）减小了目标尺寸变化的影响 多尺度特征融合 融合局部和全局特征 融合不同尺度的语义信息 优势：减小了目标尺寸变化的影响，大大提高了整体检测的准确度 目标 利用多尺度信息融合提升精度 在同等视觉检测数据集中，达到SOTA性能 利用模型压缩和轻量化设计，部署在边缘设备上提取多尺度特征研究方法12 多尺度特征的优势 细粒度小：边缘和梯度，局部 细粒度大：整体和抽象，全局13技术路线技术路线4 面向异常检测的模型压缩（1）实际应用中部署设备的算力资源有限（2）模型压缩有助于减少模型复杂度，实现实时检测知识蒸馏 大型复杂 小而精的模型PPT模板下载： 整合水库安全监测硬件，将水库内的“空间

6、、事件、设备、设施、人”进行关联，实现多传感器联动，精准判别风险隐患，有效提升水库智能监测水平，消除水库安全隐患。微脑：物联感知设备连接能力卫士：构建“水库大循环，边缘小闭环”安全事件处置能力卫士：构建“水库大循环，边缘小闭环”安全事件处置能力卫士：水库运营人员监管l 可设置时间段判别计算关键位置人员出现次数，实现日常工作监管；l 多摄像头联动判别人员值守情况。三个责任人关键位置巡查频次汛期人员值守边缘卫士识别预警管理岗位到达现场/绩效考核卫士：水库运营人员监管应用：敏捷化的