“5G+MEC”为智能制造赋能的部署应用

MEC是5G网络的关键技术之一,可以将应用本地化,促进网络和业务的深度融合。为实现“5G+MEC”在垂直行业的应用,采用NFV技术部署了服务化架构的5G核心网,并在郑州格力制造园区部署面向智能制造的MEC,采用独立组网方式实现园区5G覆盖,打造了“计算+连接”的5G MEC网络。通过将“5G+MEC”应用在智能制造行业,实现工业制造的网络化、信息化、智能化,使得生产数据在网络边缘处理而不必上传至核心网,降低了网络时延,实现了智能制造的数据闭环。     

“小而美”的边缘计算

<正>边缘计算指在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台,就近提供边缘智能服务,满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。边缘计算的核心目的就是在网络边缘侧实现更高的智能。边缘计算不仅要处理本地数据,服务本地决策,也需要在异构环境中实现跨厂商、跨应用的集成和互操作。边缘计算横跨运营技术、信息技术、通信技术等     

工业互联网智能制造边缘计算:现状与挑战

介绍了边缘计算的基本概念以及工业互联网智能制造边缘计算的发展现状。通过分析工业互联网、智能制造、边缘计算之间的关系,以及工业互联网智能制造边缘计算行业典型案例,总结了工业互联网智能制造边缘计算的核心问题,并提出了其面对的挑战。     

智能边缘计算网络关键技术研究

针对大范围移动场景下的计算和网络需求,介绍了边缘计算和5G网络的特征,分析了当前边缘计算和网络面临的问题,提出了“MEC-云”智能预加载、网随端动的UPF智能预切换、边随网动的“MEC-MEC”智能预切换等关键技术,基于这些关键技术能从端到端满足大范围移动场景下的低时延业务要求。最后结合大数据和人工智能(Artificial Intelligence,AI)的特点,提出了智能边缘计算网络技术的发展落实需要产业链协同合作的建议。     

工业互联网新形势下工业智能网关技术解决方案

本文给出工业智能网关技术解决方案,以嵌入式Linux操作系统为核心,完成各种工业协议解析,通过裁剪修改MySQL源代码,作为智能网关边缘嵌入式存储数据库,在嵌入式环境中开发PHP的Web管理软件,解决方案简单易行。随着计算机技术及网络通信技术的发展,物联网技术在工业领域得到应用。工业互联网是工业信息化的重要载体,智能网关是互联网应用管理中心,实现工业内外部通信网络连接。智能制造基础是工业信息的互连互通,物联网是新信息技术的重要部分,工业互联网具有广阔发展前景,物联网网关将各种采集监测点数据通过无线传感网络汇集统一监管。     

基于5G边缘计算的深度学习架构与应用

针对深度神经模型在网络边缘难以训练的问题,构建了一种基于5G边缘计算的深度学习模型训练架构。架构利用5G边缘计算接入网打通边缘智能设备与边缘计算层的数据通信,模型训练过程采用各边缘计算节点利用本地数据进行全模型训练,再由中心服务器进行模型参数汇集和更新的分布式训练模式,既保证了模型训练的数据集多样性,又减少了网络压力和保障了本地数据隐私,是一种非常具有潜力的深度学习边缘计算架构。     

面向智慧工厂的工业互联网边缘智能协同计算技术研究

为了推动基于工业互联网的智慧工厂快速发展,边缘智能技术相关研究与应用获得广泛关注。针对边缘节点计算资源受限的难题,提出了基于边缘智能协同的工业互联网体系,并给出了边缘智能协同计算任务分配与边缘智能模型轻量化方法。边缘智能协同计算技术解决了单一边缘节点计算能力与智慧工厂应用海量计算资源需求间的矛盾,降低了边缘智能技术的部署开销,提高了工业互联网部署的灵活性与可扩展性。     

基于边缘智能2.0的工业互联网平台架构及应用

边缘智能是人工智能(AI)技术与边缘计算的结合,能满足行业数字化在实时业务、数据优化和应用智能等方面的关键需求。文章开创性地提出了边缘智能2.0的概念,以此为基础设计并搭建了基于开源框架的工业互联网平台,并引入了云网融合、云边协同与边边协作的理念,达到云、网、边、端4位一体的协同。将边缘智能应用到表面贴装技术(SMT)生产线,通过数据建模与分析和优化制程参数,以实现制造企业的降本减存与提质增效。     

基于可信平台的智能电网安全多方计算环境研究

分析了当前网络信患安全及电力系统信息保护技术的现状,结合智能电网信息化建设中对信息防护的要求,给出一种基于可信平台的智能电网安全多方计算环境框架。将可信计算与安全多方计算结合起来,可以解决智能电网中存在的多用户、多智能设备有可能引发的数据安全问题。本文旨在建立一种电力系统网络信息安全保障的平台模型,为今后智能电网信息化建设过程提供参考。     

5G MEC边缘智能架构研究

作为边缘计算与人工智能融合驱动的新模式,边缘智能已然渗透到各个行业。5G MEC作为运营商新型网络边缘的锚点,需要借助边缘智能来充分释放网络边缘价值。文章初步探讨网络边缘智能化需求,提出一种基于5G MEC的边缘智能优化架构,扩展了面向异构计算的弹性AI加速服务和自适应云边智能协同调度能力,从而实现了MEC平台运营智能化和AI能力服务化。     

双核MCU+CNN方案如何激活边缘智能

<正>物联网的迅猛发展带我们走进了云计算时代，但在云计算过程中产生的海量数据，无形会影响到物与物连接的响应速度，以及数据的安全性等众多的问题。而边缘计算的出现很好的解决了一些问题，它在网络的边缘产生、处理、分析数据，再到云端。而随着数字化智能时代的到来，在AI算法的加持下，万物互联又升级到一个新的高度，“智能边缘”是将边缘计算与人工智能相结合，直接在边缘设备上运行AI算法。一般由内置的微处理器和传感器组成，可有效降低延迟率并提高网络带宽。     

边缘智能:研究进展及挑战

近年来,物联网的普及让数以亿计的移动设备连接到互联网上,在网络边缘产生了海量的数据,使得一种全新的计算范式——边缘计算兴起。同时,得益于深度学习算法和摩尔定律的突破,使得人工智能的发展再一次迎来了高潮。在这一趋势下,将边缘计算与人工智能相结合是必然的,由此产生的新的交叉研究——边缘智能引起了许多学者的广泛关注。在该综述中,边缘智能被分为基于边缘计算的人工智能和基于人工智能的边缘计算(即AI on edge和AI for edge)两部分。AI on edge侧重于研究如何在边缘计算平台上进行人工智能模型的构建,主要包括模型训练和模型推理两部分;AI for edge侧重于借助先进的人工智能技术,为边缘计算中的关键问题提供更优的解决方案,主要包括任务卸载和边缘缓存两部分。该综述从一个广阔的视角对边缘智能的研究进行了归纳总结,为涉足该领域的相关学者提供了一个详细的背景知识。     

云计算驱动了雾计算的发展

认为雾计算/边缘计算(MEC)是云计算的延伸,其发展源自物联网(IoT)实时反馈型应用需求的驱动,通过雾计算/MEC将数据采集、数据处理和应用分析程序集中在网络边缘设备中,使云端计算、网络、存储能力得以向边缘扩展。提出在IoT中采用中枢智能与边缘智能的两级架构,实现雾计算与云计算的协作,提高IoT处理效率。     

基于边缘计算的高效视频内容分发关键技术与挑战

近年来移动互联网、工业互联网的快速发展,引发媒体计算与服务的一个新的趋势:以视频为代表的多媒体数据的产生、处理和分发越来越多地趋向网络边缘。复杂应用环境下,用户行为、系统资源的不确定性成为网络视频服务面临的重大挑战。如何引入人工智能与机器学习的方法,利用网络边缘的计算、存储和网络资源实现视频内容分发随需而动,从而支撑更低延迟、更高带宽需求的网络视频服务,逐渐成为新的研究和应用热点。该综述分析了基于边缘计算的视频分发所面临的挑战,提出了通过边缘计算的网络、存储和计算能力来进行视频内容分发的框架,并在此框架下给出了边缘缓存及替换、边缘内容预取、边缘内容收集和边缘计算迁移等视频分发的优化策略设计。     

边缘计算下的AI检测与识别算法综述

人工智能的迅速发展深刻改变人类社会生活、改变世界。现有的AI算法过分依赖价格昂贵的GPU服务器进行后端处理,智能处理水平受限于传输链路宽带,无法实时智能处理。同时,海量数据的传输更加大网络和服务器负载。随着超低时延与超高可靠性5G时代的到来,实时、智能、安全、隐私等四大趋势催生了边缘计算与前端智能的崛起。首先,概述了边缘计算的发展,介绍了目标检测算法Faster R-CNN中anchor框的选取方式、YOLO提高性能的方式以及SSD基于不同深度特征图提高物体检测的原理,还给出了利用不同深度特征图在通道维度上合并,以及U型网络进行特征复用以提高mAP指标的M2Det算法;其次,介绍了深度卷积神经网络的轻量级优化算法,包括卷积核优化、参数剪枝和共享、知识蒸馏、张量低秩分解以及轻量级网络模型设计;同时,着重阐述了卷积核优化算法;最后,介绍了边缘计算硬件发展历程,给出了边缘计算的各种硬件平台及性能评价指标,展望了边缘计算+AI的发展趋势。     

基于边缘人工智能的数据中心实时恶意程序检测

物联网设备越来越多地用于监控各种应用,同时还面临着数据分析经常需要“大数据”流支持的挑战,因此人们越来越关注新兴的边缘计算模式,特别是直接在网络边缘进行数据管理和分析的智能方法,这使得人工智能支持的边缘计算成为一个很有前景的发展方向。Antonio Libri等人2020年4月在《IEEE Internet of Things Journal》发表文章对此做了介绍。     

基于智能边缘计算的数据链:原理、架构与挑战

面向不同应用和业务场景,业界已经研制了面向控制与指挥业务的Link系列数据链、面向数据高速传输业务的通用数据链、面向时间敏感业务的战术目标网络技术数据链等.复杂应用场景下多种差异化业务需求同时共存,为高效适配差异化业务需求,需要快速选取合适的数据链.为此,基于智能边缘计算的智能化、分布式和低时延特性,提出了基于智能边缘...     

无人机辅助智能边缘网络技术综述

简要介绍了无人机作为空基信息平台的主要应用场景,结合6G多接入网络和用户为中心网络架构,讨论了无人机在构建智能边缘网络中的重要作用。结合无人机平台在不同场景下的通、感、算能力特点,介绍无人机自组网、无人机通感一体化、无人机边缘计算等无人机辅助智能边缘网络关键技术。最后,围绕无人机在构建智能边缘网络过程中与无线接入网新技术结合时产生的新问题,探讨无人机通信信道建模、三维立体部署与路径规划、携能有限与续航问题、无人机网络安全、无人机集群异构网络融合等关键技术挑战和未来研究方向。     

自然环境下基于异构多源的边缘计算公共安全系统

现有基于集中式大数据的公共安全系统较难满足实时性、精准性、隐私性及能耗等问题。基于边缘计算的多源大数据的时代已经到来,多源数据主要包括:社会中政务和媒体数据、各种传感器收集的数据、智能终端产生的自媒体数据等。边缘计算与传统集中式云计算二者相结合,可较好地处理这些边缘异构多源数据。提出了基于边缘计算的智能交通系统、基于边缘计算的公共安全监测控制系统以及基于边缘计算的灾难预警与救援系统。     

移动边缘计算突破无人驾驶时延瓶颈

智能无人驾驶汽车发展潜力巨大.当前关于无人驾驶汽车的研究大多集中在车载环境感知技术和车辆控制技术方面.随着无人驾驶汽车逐步走向规模化商用,如何实现云端和汽车之间数据的低时延和高带宽连接,成为制约智能无人驾驶汽车发展的瓶径.移动边缘计算通过在移动网络边缘提供IT服务环境和云计算能力,可以减少对网络资源的无效占用,增加实时通信连接的可用带宽,降低服务交付的时延.移动边缘计算可以满足智能无人驾驶的需要,将对无人驾驶汽车的发展起到重大支撑和推动作用.