工業(yè)用邊緣AI的應(yīng)用場景、實現(xiàn)條件與案例分析

　　迎?九?（《電子產(chǎn)品世界》編輯，北京?100038）

　　摘?要：英特爾中國區(qū)物聯(lián)網(wǎng)事業(yè)部首席技術(shù)官兼首席工程師張宇博士稱目前邊緣AI主要改善了工業(yè)應(yīng)用中的三個方面，工業(yè)AI與其他產(chǎn)業(yè)AI的區(qū)別在于高實時性，實現(xiàn)工業(yè)AI需要有3個前提條件，最后分析了部分企業(yè)采用工業(yè)AI的案例。

　　關(guān)鍵詞：工業(yè)；邊緣；AI；可預(yù)測維護(hù)；缺陷檢測

　　1 邊緣AI給工業(yè)帶來的改變

　　現(xiàn)在AI技術(shù)在工業(yè)領(lǐng)域得到了越來越多的推廣，表現(xiàn)在3方面。①可預(yù)測維護(hù)、產(chǎn)品缺陷檢測，開始利用AI的技術(shù)對數(shù)據(jù)來進(jìn)行處理。這種處理所帶來的一個最直接的效果就是整個工業(yè)系統(tǒng)變得越來越智能，因為傳統(tǒng)上，很多工業(yè)系統(tǒng)是在固定編程的情況下，按照事先編寫好的程序完成固定的操作。新的AI可對于一些新變化或新的情況做動態(tài)的調(diào)整。②減少人為失誤。還有一些傳統(tǒng)的工業(yè)領(lǐng)域，很多操作或判斷還是通過人工來進(jìn)行的，但是在某些場景中人會疲勞。③可工作在危險和惡劣環(huán)境。在這些工業(yè)環(huán)境中，人員不一定能夠進(jìn)入，在這些場景下也缺少一些更加智能化、準(zhǔn)確的方式來幫助生產(chǎn)廠家提高產(chǎn)品質(zhì)量。

　　隨著AI技術(shù)的引入，在以上方面，整個生產(chǎn)過程變得越來越智能，可以幫助這些廠家通過AI的方式去及時發(fā)現(xiàn)產(chǎn)品中的缺陷，讓廠家得到及時的調(diào)整。例如做電子設(shè)備生產(chǎn)的廠家可以通過機(jī)器視覺，檢測當(dāng)前生產(chǎn)的電路板中是否有一些錯誤安裝的器件。再例如英特爾在2018年和重慶當(dāng)?shù)氐囊患夜S，利用AI圖像處理技術(shù)，現(xiàn)場檢測在鑄件生產(chǎn)過程中的零件質(zhì)量，發(fā)現(xiàn)一些形變或者是斷針、斷孔等異常，一旦發(fā)現(xiàn)會及時調(diào)整，以降低生產(chǎn)的次品率，從而提高生產(chǎn)效率。

　　2 工業(yè)AI與其他產(chǎn)業(yè)AI的區(qū)別

　　工業(yè)AI首先強(qiáng)調(diào)邊緣計算，即越來越多的數(shù)據(jù)在邊緣來處理。因為工業(yè)生產(chǎn)和其他類型的行業(yè)是有差異的，在工業(yè)生產(chǎn)過程中，往往對實時性的要求會更高，例如相比零售業(yè)，工業(yè)生產(chǎn)需要在秒級、亞秒級甚至更快地得到處理結(jié)果；而零售業(yè)允許更大的處理延時。所以工業(yè)生產(chǎn)的實時性要求更強(qiáng)，這就需要越來越多的計算在邊緣做。因為如果把所有處理放在云端，不可避免地會有數(shù)據(jù)傳輸?shù)难訒r，一去一回再加上云端的處理，這種延時往往會超過工業(yè)生產(chǎn)所允許的延時要求。

　　3 實現(xiàn)工業(yè)AI的必要條件

　　AI是否真正落地，要依賴3個因素。

　　1）有足夠多的數(shù)據(jù)。這一輪AI興起于2012年，有一名叫Alex的學(xué)生設(shè)計了一個叫AlexNet的網(wǎng)絡(luò)，在ImageNet上可以做圖像分類，它的準(zhǔn)確度遠(yuǎn)遠(yuǎn)超過以往。從那之后，這一輪的AI就興起了。這一輪AI興起是離不開數(shù)據(jù)的，像ImageNet這個數(shù)據(jù)庫里有超過1 400萬張經(jīng)過標(biāo)注的圖片，如果沒有這種數(shù)據(jù)的訓(xùn)練，你是無法得到一個效果較好的AI網(wǎng)絡(luò)的。

　　在工業(yè)生產(chǎn)中也是如此，如果要解決一個實際問題，首先一定要有足夠量的數(shù)據(jù)，尤其是要做缺陷檢測的時候，最好有缺陷出現(xiàn)時的數(shù)據(jù)。在英特爾和很多合作伙伴合作的項目中這是一個難點，因為工業(yè)生產(chǎn)過程中，異常出現(xiàn)的頻率并不是那么高，但是你怎樣能采集到足夠的帶有缺陷的訓(xùn)練樣本去訓(xùn)練這個模型？這是一個難點。

　　另外一些工業(yè)的最終用戶還缺乏采集高質(zhì)量數(shù)據(jù)的能力，這也希望其他的合作伙伴，包括英特爾這樣的合作伙伴和他們一起努力來采集高質(zhì)量的數(shù)據(jù)。

　　2）足夠高的算力。因為現(xiàn)在的AI網(wǎng)絡(luò)相對比較復(fù)雜。你若要用CNN處理一張圖片，所需要的算力動輒是上億次浮點運算。這些都對AI芯片提出了很高的要求。這一點對工業(yè)來說尤為突出，因為工業(yè)生產(chǎn)中很多的AI處理是在邊緣側(cè)進(jìn)行的，不完全是在數(shù)據(jù)中心的，如果在數(shù)據(jù)中心，用很多芯片去堆，用很多高性能的加速卡去實現(xiàn)加速，可以投入很大的功耗去支撐這些硬件平臺。但是在前端/邊緣側(cè)，例如工業(yè)機(jī)器人，這個設(shè)備上能提供的功耗相對是比較有限的。在有限的功耗下，自然而然所能提供的案例會受到一定的限制，如何在受限的情況下處理和實現(xiàn)AI的操作，實際上是AI在工業(yè)領(lǐng)域的一個很大的技術(shù)挑戰(zhàn)。

　　3）需要多種模型。其實，在工業(yè)生產(chǎn)中所遇到的情況或要檢測的目標(biāo)種類是非常紛紜復(fù)雜的，具體而言，現(xiàn)在AI用得最廣的領(lǐng)域是對人、車、物等物品的識別。例如在智能交通領(lǐng)域，或者在刷臉支付領(lǐng)域用得比較廣。在這些領(lǐng)域相對來說可以獲得比較多的數(shù)據(jù)，而且處理的檢測的特征相對比較集中。但是在工業(yè)領(lǐng)域，它的特征就會比較分散，例如在電子企業(yè)要檢測的缺欠特征和在鑄造企業(yè)要檢測的缺陷特征是有很大的差異的。這就造成了不同的物體的檢測要設(shè)計不同的模型，設(shè)計了模型之后還要用專門的數(shù)據(jù)進(jìn)行訓(xùn)練。

　　以上3點，使得若在工業(yè)領(lǐng)域應(yīng)用AI，要投入的努力比其他領(lǐng)域要更大一些。

　　4 企業(yè)采用AI技術(shù)的動力

　　一些企業(yè)沒有AI技術(shù)，怎么樣進(jìn)入AI行業(yè)？另外，企業(yè)采用AI技術(shù)的投入產(chǎn)出比如何？

　　實際上，任何一個新技術(shù)的推廣都要計算投入產(chǎn)出比。英特爾現(xiàn)在也在和合作伙伴一起去證明AI技術(shù)確實可以為用戶帶來效益。例如英特爾在2018年和阿里巴巴有很多合作?，F(xiàn)在很多傳統(tǒng)意義上的服務(wù)提供商，像阿里巴巴、騰訊在進(jìn)入到工業(yè)領(lǐng)域，幫助一些工廠和企業(yè)應(yīng)用AI技術(shù)進(jìn)行生產(chǎn)線的改造。這些合作其實是可以降低這些企業(yè)使用AI的門檻的，因為許多傳統(tǒng)企業(yè)并不具備IT技術(shù)、AI技術(shù)，但是如果借助產(chǎn)業(yè)鏈上的合作伙伴的力量，就可以幫助它們?nèi)タ朔媾R的難點。

　　例如英特爾和阿里合作的案例之一，是可以利用AI技術(shù)及時、準(zhǔn)確地得到訂單生產(chǎn)的狀態(tài)。例如在產(chǎn)線上利用AI技術(shù)分析現(xiàn)在生產(chǎn)的產(chǎn)品是屬于哪一個訂單的，用戶可以把這些信息和天貓平臺上的訂單信息匹配。這樣就形成了從用戶下單到產(chǎn)品生產(chǎn)整個過程的閉環(huán)監(jiān)控，給最終用戶提供更好的體驗。這樣給這些生產(chǎn)廠家?guī)砀嗟挠脩簟?/p>

　　而要實現(xiàn)這樣的目標(biāo)，是需要整個產(chǎn)業(yè)鏈的合作伙伴一起努力的，包括英特爾，包括像阿里、騰訊以及一些ISV（獨立軟件開發(fā)商），還有一些集成商，還有最終用戶共同做這樣的事情。

　　另一個邊緣來處理的案例，是英特爾2018年與重慶一家工廠合作的AI方案為例，英特爾和合作伙伴一起在邊緣部署邊緣計算節(jié)點，這些計算節(jié)點往往是一個異構(gòu)的計算平臺。在這個里會有一個通用處理器作為一個承載型平臺，做數(shù)據(jù)保護(hù)、數(shù)據(jù)的導(dǎo)出、邏輯判斷的底層計算平臺。在這個計算平臺之上，英特爾會針對AI的應(yīng)用增加一些加速引擎。這些加速引擎會利用英特爾最新的AI加速芯片，諸如英特爾2018年發(fā)布的MovidiusMyriad TM X的AI加速芯片，它的處理能力在1T左右，功耗大概是2~3 W的水平。經(jīng)過這樣的AI加速芯片，對深度學(xué)習(xí)所遇到的卷積神經(jīng)網(wǎng)絡(luò)（CNN）進(jìn)行專門的加速，來實現(xiàn)對這種工業(yè)生產(chǎn)過程中圖片的快速處理。底層平臺會應(yīng)用一些通用的英特爾處理器，例如酷睿處理器甚至是至強(qiáng)處理器，在上面附加AI加速芯片，像Movidius Myriad TM X這樣的芯片。

　　在軟件層面，英特爾提供了很多幫助開發(fā)者來利用英特爾AI芯片開發(fā)的開發(fā)包，OpenVINO就是這樣的一個工具套件，利用這樣的工具套件可以幫助開發(fā)者，讓他們在基于開放的AI框架上編寫AI網(wǎng)絡(luò)模型，并快速地轉(zhuǎn)換成可以在硬件平臺上執(zhí)行的軟件，以實現(xiàn)快速部署、快速應(yīng)用。目前英特爾能支持TensorFlow、Caffe、MxNET等開放AI框架，開發(fā)者可以在這些開放框架下設(shè)計、訓(xùn)練一些相應(yīng)的AI網(wǎng)絡(luò)。利用OpenVINO可以把這些網(wǎng)絡(luò)快速轉(zhuǎn)換成能夠在英特爾所提供的硬件上去執(zhí)行的代碼。目前可利用的硬件平臺包括傳統(tǒng)的CPU平臺以及英特爾CPU上集成顯卡的資源，或者是利用英特爾的AI加速芯片Movidius Myriad TM X芯片，或者是FPGA這樣更高性能的加速硬件，都可以利用OpenVINO來實現(xiàn)軟件快速的部署和執(zhí)行。

　　本文來源于科技期刊《電子產(chǎn)品世界》2019年第12期第6頁，歡迎您寫論文時引用，并注明出處。