感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
工業場景中的邊緣人工智慧介紹
- 為什麼邊緣運算在製造業中至關重要
- 與基於雲端的人工智慧的比較
- 視覺檢測、預測性維護及控制方面的應用案例
硬體平台與設備層級的約束條件
- 常見邊緣硬體概覽(Raspberry Pi, NVIDIA Jetson, Intel NUC)
- 處理能力、記憶體和功耗的考量
- 根據應用類型選擇合適的平台
面向邊緣的模型開發與最佳化
- 模型壓縮、剪枝及量化技術
- 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
邊緣端的電腦視覺與感測器融合
- 基於邊緣的視覺檢查與監控
- 整合來自多種感測器(振動、溫度、攝影機)的數據
- 使用 Edge Impulse 實現即時異常檢測
通訊與資料交換
- 使用 MQTT 進行工業訊息傳輸
- 整合 SCADA、OPC-UA 和 PLC 系統
- 邊緣通訊的安全性與韌性
部署與現場測試
- 在邊緣裝置上打包與部署模型
- 監控效能並管理更新
- 案例研究:帶有本地執行的即時決策迴圈
擴展與維護邊緣人工智慧系統
- 邊緣裝置管理策略
- 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
總結與後續步驟
最低要求
- 具備嵌入式系統或物聯網架構的基礎知識
- 擁有 Python 或 C/C++ 程式設計經驗
- 熟悉機器學習模型的開發
受眾
- 嵌入式開發人員
- 工業物聯網團隊
21 小時
客戶評論 (1)
我們可以涵蓋高級主題,並運用實際案例
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
課程 - Advanced Edge AI Techniques
機器翻譯