边缘AI应用案例合集

研华 AI 边缘解决方案 – MIC Jetson 系列，由完整的 NVIDIA® Jetson™ 平台提供支持，可在嵌入式模块中获得 GPU 工作站的所有性能。研华的 MIC Jetson 系列具有严格的验证，以确保散热、机械和电气兼容性，以及工业级防振、高温运行能力和模块化、紧凑型设计，是监控、运输和制造领域的理想边缘AI平台。

案例 1 - AI 预测能源维护

从2016年到2022年，中国风力发电维护市场呈现同比增长趋势。截至2023年6月底，我国风力发电量约3.4亿千瓦，同比增长17.2%。 利用大量真实案例数据，中国风力涡轮机设备制造商开发了高度准确的人工智能模型。积冰检测精度超过95%，裂纹检测精度超过95%，雷击识别精度超过80%。

案例2-交通监控

MIC-720AI利用AI推理技术，对采集到的大量数据进行流量监控;超越了用于物体跟踪的传统车辆识别方法。 MIC-720AI在路边满足深度学习计算要求，元数据被打包并传输到中央控制室。它还提供多个接口以与其他交通设备集成。

案例3-改善主要十字路口的等候时间

台北的红绿灯有很长的倒计时，为行人提供固定和足够的时间，让他们安全地穿过十字路口。由于夜晚穿过台北街道的行人和车辆越来越少，这种安排就会让等待时间变长。 部署研华边缘AI系统后，主干道夜间红灯等待时间减少35%，主干道绿灯时间增加7~79%。此外，它每年可减少约 23 吨二氧化碳排放，每个十字路口每年可产生约 183 万新台币的经济效益。

案例 4-使用最新的机器视觉技术跟踪健康的蜂巢种群

近年来，养蜂人报告说，他们平均每年冬天都会失去30%的蜜蜂群落。这是经济上可以容忍的损失的两倍。同样，野生蜜蜂的数量也在下降。 因此，我们必须更多地了解蜂箱健康、蜜蜂行为和蜂王失败，以限制未来的蜂箱损失。现在，为了全面了解蜂巢的健康状况，SAS必须能够收集、可视化各种物联网数据，并使用AI对视频和音频数据进行分析。

案例5-AI咖啡豆加工中的光学分选与分类

为确保用于国际贸易的咖啡豆的质量，它们必须在烘焙前经过筛选过程，以检测变色、发酵、霉菌、虫害以及破碎或碎裂的外壳等问题。 然而，人工分拣费力大，容易因疲劳而出错，导致质量不一致。研华为咖啡生产商提供AI驱动的解决方案，以根据整个供应链和价值链中的各种特性对咖啡豆进行分析和分类。

案例6-对虾养殖的新时代：人工智能监测和控制

长期以来，对虾养殖一直是一个利润丰厚的行业，但它面临着与效率低下和浪费相关的挑战。然而，人工智能 （AI） 正在成为该行业效率和可持续性的关键驱动力。 通过利用人工智能进行监测和管理，养殖者可以优化饲喂方案并保持对虾的健康，从而减少浪费，提高饲料转化率，提高对虾产量。

案例7-基于AI的畜禽健康管理检测系统

农民一直在努力识别并及时采取行动，以应对威胁牲畜生命并严重影响乳制品生产和粮食安全的动物疾病。 然而，通过基于人工智能的牲畜健康管理早期检测系统，农民可以轻松识别病牛并迅速采取行动防止疾病进一步传播。研华系统旨在使用人工智能和红外视觉检查每头奶牛的体温。

案例8-彻底改变鸡蛋生产：基于人工智能的光学检测系统

鸡蛋生产商正在使用基于人工智能的光学检测系统来提高交付给消费者的鸡蛋的质量。通过在劣质鸡蛋到达消费者手中之前检测和剔除它们，这些系统有助于识别和去除有裂缝、变色和其他缺陷的鸡蛋。 该技术降低了人为错误的风险和人工成本，因为它使检测过程自动化，减少了对体力劳动的需求。该系统旨在提供高速和高精度的检测，从而节省时间和资源。

案例9-农业机器人效率最大化

由于农村人口老龄化，农业正面临水果采摘能力下降的问题，但机器人和人工智能等技术正在提供解决方案。配备AI模型和图像处理的采摘机器人可以识别成熟的水果，并使用机械臂进行采集，从而实现高效准确的水果采摘。 这些机器人的使用解决了农村人口老龄化能力下降的问题，同时也提高了效率并降低了生产成本。先进的农场已经实施了机器人来提高生产力。 

案例10-一种人工智能驱动的水果预测系统，实现最佳收获管理

随着对新鲜农产品的需求持续增长，预测水果产量的方法变得越来越有效和可靠。除了提高生产力和优化商业和运营决策外，农民现在还能够使用高光谱成像和深度学习算法准确、快速地检测和计数水果。 使用人工智能预测水果产量可以提高农民的盈利能力和更有效的供应链管理。

案例11-饼干厂的质量控制

为了保持面包店的一致质量，MIC-720AI部署了各种AI模型，以确保所有饼干在生产线上都得到很好的烘烤。 与通过目视检查执行的传统质量控制程序相比，人工智能推理可以检测单个饼干烘烤方式的细微差异，调整烤箱以满足质量标准，并避免烘烤不足或烘烤过度的产品。 阅读完整案例

案例12-人工智能监测保障食品工厂的卫生和质量

案例 13-纺织品 AI 缺陷检测

AI 推理需要高计算量，并且需要基于 GPU 的解决方案来加速计算。MIC-730AI 由 NVIDIA® Jetson AGX Xavier™ GPU 提供支持，并用作边缘 AI 系统。MIC-730AI强大的处理能力使得以更快的速度和准确性自动检测高精度纺织品成为可能。 使用AI推理技术的纺织品缺陷检测可以有效地识别最细微的缺陷，并确保高质量的产品。

案例14-散热器多模型AI检测

MIC-730AI进行AI图像分析，以比较和识别具有外观缺陷的散热器。这是通过在导入软件和硬件之前向 AI 模型训练系统提供从客户那里收集的缺陷产品的图像来实现的。AI模型完成相关训练后，将训练好的模型放入MIC-730AI中。 然后，可以进行人工智能视觉检查以评估平整度，并识别难以通过一般物理规则分类的压碎、污渍、划痕和其他缺陷。 

案例 15-AI 分析：识别关键生产瓶颈

AI系统使用摄像头记录工人的动作，然后通过AI推理分析图像和视频。该系统可帮助铸造厂识别瓶颈并提高生产效率。 五家主要的电子制造服务代工厂采用该系统。借助 AI 深度学习软件，工厂在短短两个月内将每小时单位 （UPH） 提高了 5%。

Case 16-基于标准IP摄像机的AI安全系统

通过使用 Edge AI，可以在网络边缘实时分析来自常规摄像机的视频流，并用于做出关键的安全决策。他们可以检测触发的事件是真正的入侵还是只是误报，并且可以立即将通知直接发送到您的手机，其中包含录制的视频和图片。最重要的是，安全系统没有额外的成本，没有昂贵的传感器安装，也没有高昂的维护成本，这是使用预装的安全摄像头来保护您的家人和资产安全的完美解决方案。

案例17-AI赋能室内外设施安全

现代建筑工地利用实时视觉检测系统同时分析 20 到 30 个实时流。在这些系统中，视觉 AI 提高了现场工作人员和设备的可见性，以提高对潜在危险情况的响应能力，例如员工不小心接近移动的机器。实时视频源可通过云端传输到任何有屏幕的设备。为避免悲剧或事故，实时警报被发送到屏幕上;以及通过短信和电子邮件等方法。

案例18-面向AI智能工厂转型的“屏幕数据提取器（SDE）”

GoodLinker 和研华设计了屏幕数据提取器 （SDE），通过集成软件和硬件来解决数据收集问题。研华的 MIC-710AIX 工业级边缘 AI 计算机利用 GoodLinker OCR 识别，提供出色的 SDE 解决方案。该系统利用VGA/HMI数据输出来目击识别和记录屏幕上显示的数据。SDE 是外部设备;因此，可以在对生产计划和生产线影响最小的情况下完成数据收集。

案例19：探索自动驾驶汽车的潜在应用

近年来，自动驾驶技术发展迅速。然而，由于台湾的汽车工业是由市场需求驱动的，自动驾驶乘用车的发展受到限制。因此，中国台湾在推广自动驾驶技术的努力中强调自动驾驶巴士。

案例20-使用紫外线消毒机器人进行全面消毒

在肆虐的 COVID-19 大流行下，定期和频繁地对环境进行消毒也是消除病毒威胁的必要条件。不派人进行消毒作业是极其危险的，尤其是在高风险领域，最轻微的人为错误都可能导致感染源泄漏，甚至引发疫情爆发。通过用机器人代替人类，可以大大降低感染风险，同时可以有效地维护安全的环境。

案例 21：面向物流车队的人工智能安全驾驶环境

许多物流车队正在他们的卡车上安装人工智能监控系统，以确保货物的成功交付和司机的安全。由于一些车辆监控系统缺乏持续学习能力;他们通常根据预先确定的意外事件做出判断，从而导致误判。ZH-AOI是一家专业的AI解决方案提供商，去年为一家电子商务车队构建了数百套AI车队管理系统。

相关素材