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

• 了解嵌入式系統或物聯網架構
• 具備Python或C/C++編程經驗
• 熟悉機器學習模型開發

目標受眾

• 嵌入式開發人員
• 工業物聯網團隊

Edge AI 是將人工智慧模型直接部署在網路邊緣的設備和機器上，實現即時決策並將延遲降至最低。

這門由講師指導的培訓（線上或線下）面向高級嵌入式系統和物聯網專業人士，旨在在需要速度、可靠性和離線操作的製造環境中部署人工智慧驅動的邏輯和控制系統。

培訓結束後，學員將能夠：

• 了解邊緣人工智慧系統的架構與優勢。
• 構建並優化用於嵌入式設備部署的人工智慧模型。
• 使用 TensorFlow Lite 和 OpenVINO 等工具進行低延遲推論。
• 將邊緣智慧與感測器、執行器和工業協議整合。

課程形式

• 互動式講座與討論。
• 大量練習與實踐。
• 在即時實驗環境中進行實作。

課程定制選項

• 如需為本課程定制培訓，請聯繫我們安排。

工業環境中的Edge AI簡介

• 邊緣計算在製造業中的重要性
• 與基於雲端的AI進行比較
• 在視覺、預測性維護和控制中的應用案例

硬體平台與設備級別的限制

• 常見邊緣硬體的概述（Raspberry Pi、NVIDIA Jetson、Intel NUC）
• 處理、內存和功耗的考量
• 根據應用類型選擇合適的平台

邊緣模型開發與優化

• 模型壓縮、剪枝和量化技術
• 使用TensorFlow Lite和ONNX進行嵌入式部署
• 在受限環境中平衡準確性與速度

Computer Vision與Sensor Fusion在邊緣的應用

• 基於邊緣的視覺檢查與監控
• 整合來自多個感測器的數據（振動、溫度、攝像頭）
• 使用Edge Impulse進行實時異常檢測

Communication與數據交換

• 使用MQTT進行工業訊息傳遞
• 與SCADA、OPC-UA和PLC系統的整合
• 邊緣通訊中的安全與韌性

部署與現場測試

• 在邊緣設備上打包與部署模型
• 監控性能與管理更新
• 案例研究：具有本地驅動的實時決策循環

Edge AI系統的擴展與維護

• 邊緣設備管理策略
• 遠端更新與模型重新訓練週期
• 工業級部署的生命週期考量

總結與下一步