执行概要
通信与网络技术的高速发展正为物联网的创新和演进注入新的动力，进而也为制造业等传统产业的数字化和智能化转型创造了更多契机。作为中国移动旗下物联网业务和服务的重要载体，中移物联网有限公司 (以下简称 “中移物联网”) 正以公司 “大连接” 战略为引导，融合边缘计算、云计算、人工智能 (Artificial Intelligence, AI) 以及 5G 等前沿技术，打造和完善 OneNET 边缘计算平台，以加速制造业智能化创新。
OneNET 边缘计算平台主要的优势，就是源于其服务 “边缘” 的定位。它能以 “云边协同” 的方式，来为用户提供全方位的物联网体系架构。为使该平台具备更高效也更为灵活的边缘计算能力，中移物联网与英特尔一起，为它引入了搭载视觉云媒体分析加速卡 (Visual Cloud Accelerator Card – Analytics，VCAC-A) 的移动边缘计算 (Mobile Edge Computing，MEC) 服务器，不仅在边缘侧兼顾了强劲的算力，还使其具备了强劲的机器视觉深度学习推理能力。
“作为中国移动大连接战略布局的重要组成部分，中移物联网正积极借助网络转型为边缘带来的优势，打造 OneNET 边缘计算平台，来为传统行业的智能化转型提供技术后盾。搭载 VCAC-A 的 MEC 服务器，可为用户在边缘侧提供强劲的算力和高效的视觉推理能力。我们以 OneNET 边缘计算平台为基础打造的基于机器视觉的工业质检解决方案，也能切实为制造业的数字化和智能化转型提供实实在在的支持与帮助。” ----- 刘源 副总经理兼高级技术总监 开放平台部 中移物联网有限公司
目前，基于 OneNET 边缘计算平台的解决方案已在机械制造、纺织等多个行业中实现了成功的部署，以其在某燃气表具自动化检测管理系统中的应用为例，新方案大幅提升了燃气表具检测的精度和自动化水平，并大大节省了人力成本，实现了生产效率与效益的双丰收，获得了一线用户的认可与好评。
中移物联网获得的解决方案优势：
• OneNET 边缘计算平台实现了边缘与云端的数据同步，可为云端的离线大数据分析及 AI 训练提供更多数据样本；同时，云端也能将训练升级后的 AI 模型与算法下沉至边缘，确保用户持续获取更高效、更精准的推理力；
• 新方案高效的云边协同、视觉处理与 AI 推理能力，可帮助用户大幅提升燃气表具检测的自动化水平，原有三个信息采集人员的工作可由一个人代替，并可取消出厂专职信息采集人员，从而有效节约人力成本，降低总拥有成本 (Total Cost of Ownership, TCO)；
• 借助 VCAC-A 输出的加速算力，新方案应用于燃气表具检测时，可高效实现光学字符识别 (Optical Character Recognition，OCR)、表盘读取等 AI 推理，检测精度达 99.5%1，在提高质检效率的同时，还能大副降低不良品的漏检机率。
支持云边协同的边缘计算平台
作为智能制造的重要元素或基石，信息与网络技术的发展可助力企业的产线操作、生产管理和经营决策实现革新，例如物联网、云计算、AI 以及 5G 技术的发展和融合，可帮助企业的产线操作更为智能、生产过程更为高效、经营决策也更为科学。
在这一过程中，海量的数据和计算处理需求对企业IT人才储备和 IT 设施运维提出了更为严峻的挑战。传统的集中式云计算架构模式已无法很好地满足企业数字化转型中海量数据处理的要求，而传统生产企业信息基础较弱的现况，更加剧了其实施智能化转型的难度。
为帮助包括传统制造业在内的各行各业应对这一挑战，中移物联网正借助网络转型为边缘带来的优势，将部分云端能力下沉至边缘，打造和完善以 OneNET 边缘计算平台为核心的云边协同解决方案。该平台的架构如图一所示：一方面，该平台通过服务协同、智能协同等方式，帮助用户在云端获得 AI 模型训练、大数据分析、函数计算等一系列复杂能力，而无需企业自行开发和运维，其数据协同则既能够为云端提供丰富的训练分析数据样本，也可显著缩短边缘侧算法升级的耗时；另一方面，该平台还可利用丰富的数据采集和设备控制能力，结合边缘侧部署的强大算力和推理能力，对产线、设备等实施数据聚合、应用执行、AI 推理以及安防监控，从而减轻数据传输带来的网络压力，增加系统的敏捷性和安全性。
围绕着具备上述功能的 OneNET 边缘计算平台，中移物联网针对各行业智能转型中的实际挑战与需求，提出了一系列的行业解决方案，例如面向智能制造，用于燃气设备生产企业的表具自动化检测方案。
基于 OneNET 的燃气表具检测新方案
燃气设备生产企业在出厂表具读数记录、各型设备数量统计以及走表读数精度测试上的传统做法是采用人工录入的方式，这种方式难以避免读表错误率高且效率低下的问题，而基于机器视觉的自动化检测方案则是解决这一问题的良方。但由于表具生产厂家众多，同一厂家也有不同型号的产品，数据读数、位数都存在较大差异，因此传统的机器视觉方案很难适配这种多样化、差异化的需求。用户每新添一款产品，甚至改动一次表盘样式，都需要对视觉算法进行重新开发，会造成巨大的成本、时间和资源浪费。
中移物联网提出的基于 OneNET 边缘计算平台的云边协同新方案，则为上述难题带来了化繁为简的解决方案：它一方面可以借助云端强大的 AI 模型训练和大数据分析能力，为企业提供检测模型的实时更新和优化，减少 IT 设施运维压力和成本；另一方面它也能利用强有力的边缘计算能力，协助企业更为高效、灵活地在产线中构建基于机器视觉和深度学习的全新检测方案。
图一 OneNET 边缘计算平台整体架构
图二 基于 OneNET 边缘计算平台的燃气表具检测流程
如图二所示，在新的、基于 OneNET 边缘计算平台的燃气表具检测方案中，安装在燃气表具产线上的高清工业摄像头，可对通过产线的各型产品进行实时视频抓取，并把这些数据通过高带宽、低时延的 5G 网络高速传输至边缘侧的 OneNET 边缘计算平台。平台上部署的 MEC 服务器加载预设的识别模型后，执行表计读数定位和识别表盘信息两个步骤。
由于产线上的表具产品型号、朝向、间隔各有不同，摄像头所获取的视频图像也有着不同的视角，因此系统首先需要对表计区域进行定位。新方案中采用了基于深度学习的目标检测算法来定位表计读数区域，为增强通用性和可用性，方案还选择了 SSD (Single Shot MultiBox Detector) 300 目标检测模型2，这一模型不仅有着可与 Faster R-CNN 相媲美的检测精度，而且通过全新 VCAC-A 的算力加速后，在检测速度上也实现了大幅提升，能满足工业流水线对于检测实时性的严苛要求。
确定表计区域后，系统需要利用不同的机器视觉方法来自动识别表盘读数、用户条形码以及表计型号三种信息。针对表盘读数字体、颜色差异较大的特性，方案选择了基于深度学习的分类识别模型，该模型对于光照、倾斜度具备更好的鲁棒性，能够大大降低对视频的图像质量要求，缩减现场精细化调试所需的时长，提升方案的适用性。而在用户条形码的识别上，方案采用了边缘响应原理来实现条形码定位，同时根据条形码具有强烈 x 方向梯度的特性，以识别模块对条形码进行校正，而后再快速解码。
燃气表具的表计符号通常由字母、数字及特殊符号组成。为对其实现快速的识别和筛选，方案采用基于深度学习的 CRNN (Convolutional Recurrent Neural Network，卷积循环神经网络) 模型3，构建起高效的 OCR 模块。与其他深度学习模型相比，CRNN 模型独特的 “卷积层-循环层-转录层” 网络架构设计使其在实施文本识别时更具优势。
在完成表盘信息识别后，OneNET 边缘计算平台会将识别结果实时上传至 OneNET 云平台。进而，借助云端强劲的算力和训练、分析能力，并利用汇集来的丰富数据样本，对模型进行进一步的训练和优化。更新升级后的模型也会返回边缘侧进行在线升级，从而通过这种云边协同、持续迭代的方式不断提升系统的检测效率和准确率。
英特尔 VCAC-A 提供算力加速
围绕 OneNET 边缘计算平台，中移物联网在为各类制造业产线打造智能化方案的同时，也在寻求高性能基础设施来为它提供强劲算力和高效视觉推理能力。该平台 MEC 服务器中部署的 VCAC-A，就是中移物联网和英特尔携手为它配备的、针对视觉推理能力的强 “芯” 针。众所周知，在基于机器视觉的智能制造解决方案中，需要执行大量视频解码、缩放和分析工作。传统上，这些工作都是由处理器来完成。随着视频质量的不断提升，尤其是工业摄像头已普遍采用 1080P 以上的高清视频，以上负载所需算力也翻了数番。如果仍由处理器来执行，无疑会严重影响系统的整体效能。VCAC-A 就是在这种背景下走入 OneNET 边缘计算平台 MEC 服务器的。它以单块英特尔® 酷睿™ 处理器和 12 块 Movidius™ Myriad™ X 视觉处理单元为核心，能提供高密度的视频处理能力。当它与 MEC 服务器中的双路英特尔® 至强® 金牌 6140 处理器搭配时，可支持高达 24 路的 1080p/30fps 视频解码、缩放和分析任务，游刃有余地应对方案中的各类视频处理需求，同时将更多处理器资源释放出来，提升系统的整体效能。
VCAC-A 的另一项 “独门秘籍”，是能够提供出色的视觉推理能力。如前文所述，基于深度学习的智能制造解决方案离不开大量的 AI 推理。以燃气表具检测方案中采用的 SSD300 模型为例，它需要提前预备好各种大小的 “Default Box (取景框)”，然后系统在这些取景框中快速执行 “Single Shot (单目标检测)” 步骤。取景框越丰富，定位命中率则越高。在该方案中，需要构建的 Default Box 数量多达 8,732 个，对系统的推理性能提出了非常严苛的挑战。
虽然可以利用处理器来完成推理运算，或通过网络将数据传回云端进行处理，但前者会影响系统的整体效能；后者则会占用宝贵的网络带宽资源，在实时性、安全性上也不尽如人意。因此利用 VCAC-A 的本地化部署来实施高效推理运算就成为更理想的选择。尤其是 VCAC-A 内置的 SHAVE 128 位 VLIW 浮点向量处理器可为以上工作负载提供高速、低功耗的 AI 推理能力，令这一推理运算过程大为缩短，使系统在边缘侧就可以完成检测工作，将原有冗长的工作链在 MEC 服务器上一站式处理完毕。这一新方案目前已在某燃气表具自动化检测管理系统中实现成功部署并取得喜人的成果，来自产线的反馈表明：新方案的采用促进了生产、检测过程的自动化、信息化转变，员工的工作效率也得到显著提升。特别是在表具精度测试环节中，原先三个信息采集人员已减至一人，并取消了出厂专职信息采集人员，使得企业大大节约了人力成本，降低了 TCO。同时，基于深度学习的机器视觉算法不限制表盘样式，可适用于不同型号的表具测试作业，线上识别精度均达到 99.5%1 以上，实现了一套设备全线通用的目标，真正为一线的制造业企业带来了生产效率与效益的双丰收。
结语
随着中移物联网 OneNET 边缘计算平台方案的日趋成熟，它也开始在钢铁、纺织、机械制造等行业中赢得了实践机会。例如在某纺织产线中，该方案可以高效地进行纺织品缺陷实时检测，在纺织机械高速运行时，将肉眼难以察觉的错针、破洞等瑕疵一一检测出来，并利用云边协同架构与纺织生产管理系统对接，实现产线的自动化启停、织物质量标定等动作。而在另一大型伺服压力机生产企业的部署中，该方案则帮助企业在边缘侧顺利实现了对设备电机振动的智能化分析及故障的预测性维护，每年可为该企业减少 15%4 的计划外停机时间。未来，中移物联网还计划与英特尔开展更为紧密的合作，将更多的网络与信息前沿技术成果应用于物联网和智能制造方案的构建，用更多实际行动驱动制造业的数字化和智能化转型。
Celestica VCAC-A 加速卡
Celestica VCAC-A (Visual Cloud Accelerator Card for Analytics) 是一款采用标准 PCI-E 接口的视觉云媒体分析加速卡。它集成了低功耗英特尔® 酷睿™ i3 处理器 (集成英特尔® 核芯显卡 620) 和 12 个 Movidius™ Myriad™ X 视觉处理单元 (VPU)，并具备 2 个小型双列直插式内存模块 (SODIMM)，支持容量高达 8 GB 的 DDR4 内存。这款加速卡可为高速发展的人工智能推理、媒体创建与分析等边缘应用提供更为高效、经济的视觉云解决方案。
技术规格
1 x 英特尔® 酷睿™ i3 处理器
- 双核心
- 主频 2.40GHz
- 3MB 高速缓存
- 热设计功耗 15 瓦
- 英特尔® 核芯显卡 620
2 x 4 GB DDR4 SODIMM 内存, 总计 8 GB
12 x 英特尔® Movidius™ Myriad ™ X MA2485 视觉处理单元 (VPU)
- 700MHz 工作频率
- 16 x SHAVE 128 位 VLIW 浮点向量处理器
- 2 x LEON4 32-bit RISC 处理器
- 4Gbit LP DDR4 封装内存
PCIe Gen 3 x 4 主机接口
功耗&散热
最大功耗 75 瓦
被动式散热
物理尺寸
高度：全高 126 毫米
宽度：¾ 长 254 毫米
单槽宽度
工作环境
工作温度: 0°C to 55°C @ 15CFM
非工作温度: -20°C to 70°C
湿度: 相对湿度 8% to 85%
工作海拔: 3,050 米
认证
电磁兼容: Class A, CISPR 22, FCC, CE
安全: CB Scheme, UL, cUL, CE
