Skip to main content

AI • 物联网 • 网络边缘

云原生将计算机视觉带到了关键的边缘

计算机视觉, 边缘安全, 人工智能技术

在偏远的石油钻井、炼油厂、垃圾填埋场和化工厂,火炬烟囱回收系统可燃烧掉挥发性有机化合物 (VOC)。燃烧有助于减轻工厂设备的压力,并防止有毒气体释放到大气中,而这些气体会破坏附近的生态系统(图 1)。

石化设施的火炬烟囱可释放压力,并在挥发性化合物进入大气之前将其点燃。
图 1. 火炬烟囱释放化学和石化设施的气压,并在挥发性有机化合物进入大气之前将其点燃。(来源:Politico

EPA 法规要求对火炬烟囱进行监控,以确保引燃火焰保持点燃,从而促使采用搭载计算机视觉 (CV) 技术的烟囱外热像仪。摄像头可以检测火焰中 VOC 的数量和类型,其结果可以用作引燃火焰退化的主要指标。

这种方法的一个缺点是持续不断地向分析平台提供视频,在典型的用例中,该视频将位于数据中心。这种基础设施很少在远程站点上使用,为运营商提供了两种选择:要么通过无线网络传输视频,要么在边缘进行视频分析。

实际上,通过蜂窝网络流式传输视频数据的成本使得第一选择不切实际。简而言之,视频分析必须在边缘进行,这本身就带来了挑战:

  • 所需的软件、算法和存储通常远远超过边缘可用的计算资源,这需要额外的设备。
  • 该设备可能以服务器的形式出现,该服务器必须符合爆炸性环境条件下部署的行业标准。
  • 该系统必须能够与现场 HMI、网络和 SCADA 基础设施集成,以便在识别出故障后可以立即采取措施。

这些只是基于边缘的视频分析最初的问题。由于这些用例中固有的安全问题以及工程人员的运营背景,他们不愿在远程工厂中部署物联网和云技术。

这导致了另一个大问题的出现。

“这个市场上的人们开着卡车,在壁橱里安装服务器或电脑。然后他们再也看不到它了。” ZEDEDA 生态系统副总裁 Jason Shepherd 解释道。“他们打开它。他们开始录制。所有数据都存储在本地,之后如果发生什么情况,您可以查看录像,该录像将保留 2 周至 30 天。他们对该盒子是否正在运行几乎没有任何认识。”

运营商是否确定视频分析系统出了问题,或者是否需要简单的软件更新?

“他们正在使用 SSH 进入系统并手动上传内容,” Shepherd 补充道。“如果您必须这样操作 50 次、100 次,那将非常痛苦且无法扩展。”

边缘的视频分析:了解传统

但是,与其让企业技术向操作环境妥协,为什么不让操作环境服务于企业呢? 毕竟,该技术比边缘的传统电子安装基础要先进得多。而且,更重要的是它通过工作负载整合实现了成本协同效应。

物联网和边缘计算服务提供商 ZEDEDA 通过针对特定用例的基于云、与硬件无关的物联网边缘编排解决方案来实现边缘的计算机视觉( 2)。该系统建立在边缘虚拟化引擎 (EVE) 上,EVE 是 Linux 基金会 LF Edge 联盟组织托管的一个开源项目,该系统允许用户将新的和现有的应用程序封装于 Docker 或 Kubernetes 容器中。然后可以将容纳计算机视觉、分析和安全性等应用程序的多个容器部署在单个边缘服务器上,并从云进行远程管理。

Zededa Edge Orchestration 平台 API 支持任何物联网设备、任何硬件和使用开放源代码的任何应用程序。
图 2. 物联网边缘编排解决方案平台使用开源容器技术来促进工作负载的整合、应用程序的可移植性并减少供应商锁定。(来源:ZEDEDA)

在火炬检测和监视等混合关键性用例中,ZEDEDA 平台使用开源的 ACRN 虚拟机监控程序来安全地将运行受管制应用程序的容器与其他软件组件进行分区。这种架构可确保来自不同应用程序的进程不会相互干扰,并且其中不会包含错误或漏洞。

在进行无线软件更新时也很方便。

Shepherd 表示:“如果您有旧式 SCADA 系统,或者正在使用 OSIsoft PI 作为历史记录器,但又希望将其与现代应用程序(例如人工智能模型)整合在服务器上,并放在其旁边的容器中,我们可以提供支持。”“它是裸机,因此我们可以围绕安全性和网络进行各种工作,并且可以将某些 CPU 内核分配给某些应用程序。”

“当系统能够回拨时,它将尝试在单独的分区上进行更新。如果它无法在约 10 分钟内成功更新,则会退回到更新开始之前运行的版本。”他继续说道。“这不是其在数据中心中的工作原理。他们依赖于从控制器到数据中心的良好管道。我们指望不会出现这种情况。”

此外,ZEDEDA 还支持零接触配置,可让运营工程师无缝连接板载设备,因此没有 IT 学习曲线。

从原型设计到发电厂的火炬烟囱监控

为了支持火炬烟囱监控等特定用例,ZEDEDA 托管了一个经过认证且可与该平台一起使用的软件“应用程序市场”。其中包括协议转换堆栈、用于与 Microsoft Azure 等云平台集成的 API,以及基于深度学习的计算机视觉模型。受支持的还有英特尔® OpenVINO 工具套件,该套件可帮助优化在英特尔® 处理器上运行的人工智能算法。

该公司的边缘人工智能和计算机视觉加速套件可帮助工业运营商将这些组件和其他组件组合到一个适用于应用程序的最终解决方案中。该技术堆栈类似于一家大型油田服务提供商所使用的技术,后者利用 ZEDEDA 的 EVE 来部署和管理 FogHorn 系统的基于深度学习的火炬堆栈监测计算机视觉软件,可用于远程石油钻井现场。

面向工业的开放性和机遇

随着基于云的技术变得足够成熟并可以在运营边缘使用,那些不愿将企业和嵌入式基础设施混合在一起的工业组织将开始在这些混合设计中看到机遇。而且,大量硬件可以整合到运行多个应用程序的单个服务器上,从而减少了资本支出、运营支出和故障点。但是还有其他的优势。

由于 ZEDEDA 几乎完全基于开放技术构建,因此那些陷入专有技术和厂商限制困境的行业现在有了替代方案。

Shepherd 说:“ EVE 就是要采取最佳的行业标准。”“我们正在与Kubernetes、ACRN、KVM、Xen 和英特尔® Secure Device Onboard 等平台进行合作,并将其封装在一起。然后,我们构建该云控制器,让运营商和服务提供商更容易部署。”

作者简介

Brandon is a long-time contributor to insight.tech going back to its days as Embedded Innovator, with more than a decade of high-tech journalism and media experience in previous roles as Editor-in-Chief of electronics engineering publication Embedded Computing Design, co-host of the Embedded Insiders podcast, and co-chair of live and virtual events such as Industrial IoT University at Sensors Expo and the IoT Device Security Conference. Brandon currently serves as marketing officer for electronic hardware standards organization, PICMG, where he helps evangelize the use of open standards-based technology. Brandon’s coverage focuses on artificial intelligence and machine learning, the Internet of Things, cybersecurity, embedded processors, edge computing, prototyping kits, and safety-critical systems, but extends to any topic of interest to the electronic design community. Drop him a line at techielew@gmail.com, DM him on Twitter @techielew, or connect with him on LinkedIn.

Profile Photo of Brandon Lewis