课程大纲

工业环境中的Edge AI简介

  • 边缘计算在制造业中的重要性
  • 与基于云的人工智能的比较
  • 在视觉、预测性维护和控制中的应用案例

硬件平台和设备级约束

  • 常见边缘硬件概述(Raspberry Pi、NVIDIA Jetson、Intel NUC)
  • 处理能力、内存和功耗的考虑
  • 根据应用类型选择合适的平台

边缘模型的开发与优化

  • 模型压缩、剪枝和量化技术
  • 使用TensorFlow Lite和ONNX进行嵌入式部署
  • 在受限环境中平衡准确性与速度

Computer Vision和Sensor Fusion在边缘的应用

  • 基于边缘的视觉检测与监控
  • 集成来自多个传感器(振动、温度、摄像头)的数据
  • 使用Edge Impulse进行实时异常检测

Communication与数据交换

  • 使用MQTT进行工业消息传递
  • 与SCADA、OPC-UA和PLC系统集成
  • 边缘通信的安全性与弹性

部署与现场测试

  • 在边缘设备上打包和部署模型
  • 监控性能并管理更新
  • 案例研究:带本地执行器的实时决策循环

Edge AI系统的扩展与维护

  • 边缘设备管理策略
  • 远程更新与模型再训练周期
  • 工业级部署的生命周期考虑

总结与下一步

要求

  • 了解嵌入式系统或物联网架构
  • 具备Python或C/C++编程经验
  • 熟悉机器学习模型开发

受众

  • 嵌入式开发人员
  • 工业物联网团队
 21 小时

即将举行的公开课程

课程分类