绿色检查
链接复制到剪贴板

了解边缘人工智能在现实世界中的应用

看看边缘人工智能如何从源头实现更快、更高效的数据处理,从而改变医疗保健、制造业和智能家居等行业。

边缘人工智能技术可直接在个人电脑、物联网设备或专用边缘服务器等设备上处理和分析数据,通过在本地处理操作,使数据存储和处理更快、更易访问。它有助于避免云系统的常见问题,如延迟和带宽限制,从而实现更快、更可靠的性能。例如,在自动驾驶汽车中,本地处理对于实时决策至关重要,如检测障碍物或即时响应交通信号。通过直接在车辆上处理数据,边缘人工智能可实现瞬间响应,而如果依赖遥远的云服务器,响应速度则会太慢。

边缘人工智能正变得越来越流行,预计到 2034 年,全球市场规模将达到 1430.6 亿美元。不同行业都在使用边缘人工智能来改进工作流程、实现任务自动化和激发创新,同时应对延迟、安全和成本等挑战。

在本文中,我们将探讨边缘人工智能如何在医疗保健制造业等领域大显身手,以及在将其付诸实施时需要注意的一些事项。让我们开始吧!

图 1.全球边缘人工智能市场。

边缘人工智能如何工作

边缘人工智能结合了边缘计算和人工智能(AI)。边缘计算是一种技术框架,可在更靠近数据产生地的地方处理数据,从而实现实时分析、提高可靠性并节约成本。人工智能组件将机器学习 算法直接带到边缘,使设备能够在本地做出智能决策。这种方法减少了对集中式或数据中心的需求,而集中式或数据中心可能会带来处理延迟。云仍可用于更复杂的数据存储、更大规模的分析和人工智能模型的更新,与边缘人工智能提供的更快、本地化处理形成互补。

图 2.边缘人工智能概述。

下面我们来看看边缘人工智能系统是如何工作的:

  • 收集数据:设备上的传感器从环境中收集原始信息,如温度读数或工业环境中的设备状态。
  • 清洁数据:在设备上快速处理收集到的数据,以过滤噪音并关注相关细节。
  • 进行预测: 由直接嵌入边缘设备的人工智能模型对清理后的数据进行分析。
  • 决策: 根据分析结果,人工智能系统做出决策,并启动任何必要的行动或响应。

边缘人工智能与云人工智能

边缘人工智能和云人工智能是两种截然不同的人工智能实施方法,各有其独特的优势和利弊。正如我们已经讨论过的边缘人工智能,数据直接在本地设备上处理,确保了低延迟、更高的隐私性以及对互联网连接的最小依赖。 

与边缘人工智能不同,云人工智能使用远程服务器进行数据处理,具有更高的可扩展性和灵活性。然而,由于需要在互联网上传输数据,这往往会以更高的延迟和更多的带宽使用为代价。云人工智能还可能引发隐私问题,因为敏感数据必须在外部服务器上进行传输和存储。

图 3.边缘人工智能与云人工智能。

另一个关键区别在于与云人工智能相关的成本和网络压力。在功能强大的远程服务器上进行处理可能成本高昂,尤其是在处理视频或音频等高数据量时,而通过网络流式传输这些数据又会进一步增加压力。

边缘人工智能通过直接在设备上处理数据来应对这些挑战,从而降低与云相关的成本,减轻网络负荷,并确保现场敏感信息的安全。通常只传输最终结果(或推论),而不是发送原始数据,从而提供更高效、更注重隐私的解决方案。

用于图像识别的边缘人工智能

计算机视觉应用通常需要分析大量非结构化数据(缺乏预定格式的数据),主要是图像和视频。在需要实时监控的情况下,将所有这些数据发送到远程云服务器进行处理的效率可能会很低。在边缘设备上运行计算机视觉模型是解决这一问题的最佳方案。 

Ultralytics YOLO11 等计算机视觉模型通常在云端进行训练,但也可以部署在边缘,直接为现场的实时应用提供支持。YOLO11专为需要即时响应的任务而设计,因此特别适用于安防系统质量控制系统智能家居设备等应用。这些应用在本地处理数据时效率更高,因为它们就在视觉信息(来自摄像头、传感器等)收集的地方。

图 4.在边缘部署计算机视觉模型。

边缘人工智能应用

既然我们已经了解了什么是边缘人工智能,那就让我们来仔细看看现实世界中的一些应用吧。 

边缘人工智能在医疗保健领域的应用

快速诊断和出色的病人护理是每个医疗机构的首要任务,而边缘人工智能在实现这些目标方面发挥着关键作用。通过使用边缘人工智能和智能设备,医疗保健提供商看到了变革性的变化。这些技术共同打造了更快、更安全、反应更迅速的医疗保健系统。

例如,由边缘人工智能驱动的可穿戴设备可以持续监测心率、血压、血糖水平和呼吸等生命体征。它们甚至可以检测到突然跌倒,并立即通知护理人员。在救护车上,边缘人工智能可以现场分析病人监护仪的数据。从分析中收集到的见解可以与医生共享,帮助他们在病人到达医院之前就做好治疗准备。

边缘人工智能还可以帮助部署 计算机视觉模型,如YOLO11,用于医疗人员的物体检测等应用。这一特殊应用的重点是实时确定医疗保健专业人员在房间内的位置和移动情况,帮助监控安全协议的遵守情况,并增强态势感知能力。

物体检测可帮助验证工作人员在手术过程中的位置是否正确,以及是否遵守卫生和安全准则,例如保持设备周围的安全位置。边缘人工智能能够提供有价值的洞察力,而无需在手术室内持续进行云连接,从而确保隐私并向医疗团队提供即时反馈。

图 5.使用 YOLO11 监控医院员工的示例。

面向工业自动化的边缘人工智能

世界各地的制造商都在使用边缘人工智能技术,以提高运营速度、效率和生产力。通过使用来自传感器和物联网设备的实时数据,边缘人工智能实现了预测性维护,使工厂能够检测到设备故障的早期迹象,并在重大问题发生之前预测故障。这种积极主动的方法有助于减少停机时间、延长设备使用寿命并保持平稳运营。 

边缘人工智能还通过使用视觉人工智能(Vision AI)在产品包装发货前捕捉产品缺陷,从而改进质量控制。通过直接在现场分析图像和视频,边缘人工智能可以快速识别缺陷,确保只有高质量的产品才能到达客户手中。即时反馈可让制造商立即解决问题,从而减少浪费、提高产品标准并提升客户满意度。

面向家庭物联网设备的边缘人工智能

从有人走近时会自动响铃的智能门铃,到房间无人时会自动熄灭的电灯,智能家居中到处都是利用边缘人工智能提高居民生活质量的设备。无论住户是想通过智能手机查看谁来了,还是想调节室内温度,边缘技术都能在现场处理数据,而不是依赖远程服务器。使用边缘人工智能有助于保护住户的隐私,降低未经授权访问个人数据的风险。

在家庭自动化方面,边缘人工智能的本地处理对于需要即时反馈的应用至关重要。这些应用包括安防系统、照明系统和环境控制。通过在边缘处理数据,智能家居无需互联网连接即可独立运行。此外,与计算机视觉相结合的边缘人工智能还能改善住宅内的无障碍环境。利用人体姿势估计等技术,可以创建手势检测系统来控制家中的其他系统,如灯光或电视。

图 6.边缘人工智能智能家居控制系统。

挑战与局限

尽管边缘人工智能系统具有诸多优势,但它仍在不断发展,并面临着某些挑战和限制。在决定将边缘人工智能解决方案集成到企业或家庭之前,需要考虑以下几个限制因素。

  • 安全风险:虽然边缘人工智能通过将数据保持在本地来提高安全性,但它在本地也面临一些风险,主要是人为错误和不安全的密码。 
  • 有限 计算能力:边缘人工智能系统的计算能力通常比基于云的人工智能系统低,因此仅限于特定任务。云计算可以处理大型模型,而边缘人工智能最适合较简单、较小的任务。
  • 机器兼容性问题:特别是在企业环境中,边缘人工智能面临着不同机器类型的挑战,当不兼容的机器一起使用时,兼容性问题可能会导致故障和失灵。

利用边缘的力量

边缘人工智能通过直接处理数据,使各行业能够更快地工作,做出更明智的决策。这种方法可以加快运营速度、增强数据安全性并降低互联网成本。 

在医疗保健、制造业和智能家居等领域,边缘人工智能提高了效率,无需依赖持续的云访问即可快速做出决策。虽然存在一些限制,如潜在的安全风险和执行复杂任务的能力有限,但边缘人工智能实时管理任务的能力使其成为未来的重要工具。

要了解更多信息,请访问我们的GitHub 存储库,并与我们的社区互动。在我们的解决方案页面探索人工智能在自动驾驶汽车农业领域的应用。🚀

Facebook 徽标Twitter 徽标LinkedIn 徽标复制链接符号

在此类别中阅读更多内容

让我们共同打造人工智能的未来

开始您的未来机器学习之旅