邊緣智能：關鍵技術(shù)與落地實踐

第1章 邊緣智能：“智能+”的新風口
1.1 邊緣智能產(chǎn)生的“大背景” .1
1.1.1 新一代信息技術(shù)的推動發(fā)展 .1
1.1.2 國家政策的支持和引導 6
1.1.3 資本與業(yè)務需求的推動 7
1.2 身邊的邊緣智能“小案例” .8
1.2.1 京東快遞與菜鳥驛站 8
1.2.2 智能快遞柜收費“風波” .10
1.3 邊緣智能發(fā)展的三大階段 .12
1.3.1 第一階段：邊緣智能探索 .12
1.3.2 第二階段：“智能+”邊緣 .12
1.3.3 第三階段：邊緣智能體系 .13
1.4 站在“智能+”的新風口 14
1.4.1 “智能+”技術(shù)的新融合 .14
1.4.2 應用行業(yè)的多維度 15
1.4.3 新興市場的大繁榮 16
1.5 本章小結(jié) .17
第2章 何為邊緣智能
2.1 邊緣智能的定義 18
2.2 邊緣智能的前世今生 19
2.2.1 網(wǎng)絡通信角度的演進 20
2.2.2 計算服務角度的演進 23
2.2.3 “智能+”角度的演進 .27
2.3 邊緣智能面臨的挑戰(zhàn)及研究方向 30
2.3.1 面臨的挑戰(zhàn)：安全、智能應用和優(yōu)化 30
2.3.2．研究方向：安全、智能、協(xié)同、優(yōu)化 32
2.4 邊緣智能的重要應用場景 .35
2.4.1 無人駕駛 .35
文前.indd 1 2021-4-7 8:08:26
ii 邊緣智能：關鍵技術(shù)與落地實踐
2.4.2 智能安防 . 36
2.4.3 智能家居 . 37
2.4.4 工業(yè)機器人 . 38
2.5 本章小結(jié) . 40
第3 章 “云- 邊- 端”體系架構(gòu)
3.1 系統(tǒng)工程方法論 41
3.1.1 系統(tǒng)工程概述 . 41
3.1.2 基本方法 . 42
3.2 體系架構(gòu)模型 44
3.2.1 概念框架 . 44
3.2.2 層次結(jié)構(gòu) . 46
3.3 協(xié)同模式 . 47
3.3.1 “云- 邊”協(xié)同 48
3.3.2 “邊- 邊”協(xié)同 49
3.3.3 “邊- 端”協(xié)同 50
3.3.4 “云- 邊- 端”協(xié)同 50
3.4 度量指標 . 51
3.5 前沿方向 . 54
3.5.1 “云- 邊- 端”區(qū)塊鏈 54
3.5.2 邊緣云原生容器服務 56
3.5.3 “云- 邊- 端”一體化機器人系統(tǒng) . 57
3.6 本章小結(jié) . 59
第4 章 邊緣智能中的數(shù)據(jù)與信任
4.1 區(qū)塊鏈技術(shù)概述 61
4.1.1 基礎架構(gòu) . 61
4.1.2 重要組件 . 64
4.1.3 主流開源技術(shù) . 68
4.2 數(shù)據(jù)管理與隱私保護 70
4.2.1 數(shù)據(jù)管理架構(gòu) . 70
4.2.2 隱私保護 . 72
4.3 邊緣智能中的信任 74
4.3.1 信任的基本概念 74
4.3.2 信任管理 . 76
4.4 解決方案 . 78
4.4.1 服務模式層面的解決方案 . 78
4.4.2 部署方式層面的解決方案 . 79
4.5 前沿方向 . 80
4.5.1 面向資源受限環(huán)境的性能擴展 . 80
4.5.2 跨域的分布式信任 80
4.5.3 智能應用與隱私保護的平衡 . 81
4.6 本章小結(jié) . 81
第5 章 邊緣智能中的模型與安全
5.1 模型壓縮 . 83
5.1.1 深度神經(jīng)網(wǎng)絡基礎 83
5.1.2 模型壓縮方法 . 86
5.1.3 模型壓縮工具框架 90
5.2 聯(lián)邦學習 . 93
5.2.1 基本概念 . 93
5.2.2 安全性分析 . 97
5.3 解決方案 . 100
5.3.1 百度聯(lián)邦學習框架PaddleFL 100
5.3.2 微眾銀行聯(lián)邦學習框架FATE . 100
5.3.3 騰訊聯(lián)邦學習框架AngelFL . 101
5.3.4 平安科技聯(lián)邦學習平臺“蜂巢” . 101
5.4 前沿方向 . 102
5.4.1 面向“云- 邊- 端”應用的模型壓縮 102
5.4.2 面向邊緣智能的聯(lián)邦學習 . 103
5.5 本章小結(jié) . 104
第6 章 邊緣智能中的資源與優(yōu)化
6.1 計算卸載 . 106
6.1.1 基本流程 . 106
6.1.2 運行機制 . 108
6.1.3 策略分類 . 109
6.2 資源分配優(yōu)化 111
6.2.1 最優(yōu)化理論基礎 112
6.2.2 馬爾可夫決策過程 112
6.2.3 深度強化學習 . 113
6.2.4 資源分配優(yōu)化問題建模 115
6.3 解決方案 . 118
6.3.1 面向不可分割任務的計算卸載方案 . 118
6.3.2 面向可分割任務的協(xié)同計算卸載方案 118
6.3.3 多節(jié)點資源分配方案 120
6.4 前沿方向 . 122
6.4.1 新型計算卸載策略 122
6.4.2 “云- 邊- 端”高效的資源分配優(yōu)化模型 123
6.4.3 數(shù)據(jù)安全協(xié)同模式解決安全性問題 . 123
6.5 本章小結(jié) . 124
第7 章 智能安防場景下的邊緣智能實踐
7.1 實踐背景 . 125
7.1.1 智能安防的發(fā)展、挑戰(zhàn)和新要求 . 125
7.1.2 危險物品檢測 . 129
7.2 技術(shù)梳理 . 130
7.2.1 視覺目標檢測 . 130
7.2.2 輕量級卷積神經(jīng)網(wǎng)絡 132
7.3 實踐案例：基于Jetson Nano 的槍支檢測 134
7.3.1 基礎環(huán)境準備 . 134
7.3.2 數(shù)據(jù)集準備 . 136
7.3.3 模型訓練 . 138
7.3.4 測試部署 . 139
7.4 本章小結(jié) . 140
參考資源 141
第8 章 智慧電梯場景下的邊緣智能實踐
8.1 實踐背景 . 142
8.1.1 智慧電梯：無接觸式交互的“垂直出行” 142
8.1.2 智能語音：人機交互的“私人助手” 144
8.2 技術(shù)梳理 . 146
8.2.1 語音識別：人工智能關鍵步驟 . 146
8.2.2 智慧電梯語音指令識別流程 . 152
8.3 實踐案例：基于深度神經(jīng)網(wǎng)絡的通用電梯語言指令識別 . 153
8.3.1 基礎環(huán)境與數(shù)據(jù)集構(gòu)建 153
8.3.2 模型設計與訓練 154
8.3.3 性能測試 . 156
8.4 實踐案例：基于樹莓派的可編程電梯語音識別 . 157
8.4.1 基礎環(huán)境 . 157
8.4.2 GPIO 編程 . 157
8.4.3 部署測試 . 160
8.5 本章小結(jié) . 161
參考資源 161
第9 章 智慧社區(qū)場景下的邊緣智能實踐
9.1 實戰(zhàn)背景 . 163
9.1.1 智慧社區(qū)：民生的智慧“生活圈” . 163
9.1.2 社區(qū)中生活垃圾分類 166
9.2 技術(shù)梳理 . 168
9.2.1 垃圾圖像分類 . 168
9.2.2 聯(lián)邦學習 . 171
9.3 實踐案例：基于聯(lián)邦學習的垃圾圖像分類 174
9.3.1 基礎環(huán)境：FATE 174
9.3.2 數(shù)據(jù)集構(gòu)建 . 176
9.3.3 模型構(gòu)建 . 177
9.3.4 訓練與測試結(jié)果 179
9.4 本章小結(jié) . 180
參考資源 181
第10 章 智慧醫(yī)療場景下的邊緣智能實踐
10.1 實踐背景 . 182
10.1.1 智慧醫(yī)療：患者數(shù)據(jù)獲取、知識發(fā)現(xiàn)和遠程服務模式 . 182
10.1.2 醫(yī)療數(shù)據(jù)隱私保護 184
10.2 技術(shù)梳理 . 186
10.2.1 聯(lián)盟區(qū)塊鏈醫(yī)療數(shù)據(jù)管理 . 186
10.2.2 云原生軟件開發(fā) 190
10.3 實踐案例：基于聯(lián)盟區(qū)塊鏈的醫(yī)療數(shù)據(jù)隱私保護方案 193
10.3.1 總體框架設計 193
10.3.2 基礎環(huán)境部署 193
10.3.3 功能實現(xiàn) . 196
10.4 本章小結(jié) . 199
參考資源 200
第11 章 智慧交通場景下的邊緣智能實踐
11.1 實踐背景 201
11.1.1 智慧交通：“云- 邊- 端”架構(gòu)下“人- 車- 路”協(xié)同 201
11.1.2 計算機視覺 . 205
11.2 技術(shù)梳理 207
11.2.1 車牌識別 . 207
11.2.2 智慧交通應用系統(tǒng)設計 . 209
11.3 實踐案例：基于計算機視覺的智慧交通應用系統(tǒng)實現(xiàn) 212
11.3.1 基礎環(huán)境搭建 212
11.3.2 功能實現(xiàn) . 214
11.4 本章小結(jié) 219
參考資源 219
第12 章 開源平臺
12.1 面向終端的邊緣智能開源平臺 . 220
12.1.1 EdgeX Foundry：工業(yè)場景標準化智能框架 220
12.1.2 Fledge：獨立開放互操作智能框架 221
12.1.3 ioFog：Eclipse 開發(fā)的邊緣智能平臺 . 223
12.1.4 Edgent：Apache 開源的邊緣智能模型 . 224
12.2 面向邊端的邊緣智能開源平臺 . 225
12.2.1 Akraino Edge Stack：高性能邊端服務框架 . 225
12.2.2 CORD：靈活重構(gòu)的網(wǎng)絡邊緣基礎設施 . 226
12.2.3 StarlingX：面向邊緣智能的OpenStack 集成平臺 . 227
12.3 面向“云- 邊- 端”協(xié)同的邊緣智能開源平臺 . 229
12.3.1 OpenEdge：百度云計算能力的智能拓展 . 229
12.3.2 Azure IoT Edge：微軟云邊混合智能框架 230
12.3.3 KubeEdge：CNCF 云原生服務的邊緣智能基礎設施 231
12.3.4 Link Edge：阿里云一體化協(xié)同計算體系 . 231
12.3.5 IEF：華為云企業(yè)級邊緣智能服務 . 232
12.4 本章小結(jié) . 234
參考資源 234
參考文獻