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
  • 与基于云端的AI进行比较
  • 在视觉、预测性维护和控制中的应用案例

硬体平台与设备级别的限制

  • 常见边缘硬体的概述(Raspberry Pi、NVIDIA Jetson、Intel NUC)
  • 处理、内存和功耗的考量
  • 根据应用类型选择合适的平台

边缘模型开发与优化

  • 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与Sensor Fusion在边缘的应用

  • 基于边缘的视觉检查与监控
  • 整合来自多个感测器的数据(振动、温度、摄像头)
  • 使用Edge Impulse进行实时异常检测

Communication与数据交换

  • 使用MQTT进行工业讯息传递
  • 与SCADA、OPC-UA和PLC系统的整合
  • 边缘通讯中的安全与韧性

部署与现场测试

  • 在边缘设备上打包与部署模型
  • 监控性能与管理更新
  • 案例研究:具有本地驱动的实时决策循环

Edge AI系统的扩展与维护

  • 边缘设备管理策略
  • 远端更新与模型重新训练周期
  • 工业级部署的生命周期考量

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

目标受众

  • 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