Edge AI for Manufacturing: Real-Time Intelligence at the Device Level

• 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

Edge AI 是将人工智慧模型直接部署在网路边缘的设备和机器上，实现即时决策并将延迟降至最低。

这门由讲师指导的培训（线上或线下）面向高级嵌入式系统和物联网专业人士，旨在在需要速度、可靠性和离线操作的制造环境中部署人工智慧驱动的逻辑和控制系统。

培训结束后，学员将能够：

• 了解边缘人工智慧系统的架构与优势。
• 构建并优化用于嵌入式设备部署的人工智慧模型。
• 使用 TensorFlow Lite 和 OpenVINO 等工具进行低延迟推论。
• 将边缘智慧与感测器、执行器和工业协议整合。

课程形式

• 互动式讲座与讨论。
• 大量练习与实践。
• 在即时实验环境中进行实作。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

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