AIoT领域探索

1. 前言

按计划,从系统探索的角度,应该到了IOT系统,从算法上,到了机器学习、深度学习,而这两部分结合在一起,正是AIOT领域。它是AI + IOT的结合,既包含着物联网,又包含着人工智能,给感知赋予智能,是多么美好的事啊,这里就它进行初步的探索。

预计包括:

  • 市场情况
  • 应用场景
  • 技术架构

2. 应用场景

场景分类

这里介绍的场景有3种:生活人居场景、工业运作场景、智慧城市场景。

人居场景

image-20220712114659504

image-20220712115239016

工业场景

image-20220712115023711

这个场景正是前两天整理的几个管理系统中,PLM、MES、SCADA/DCS等系统。

image-20220712115259510

从这里看,我觉得这里尚未AI化,更多的是IoT。

智慧城市

image-20220712134806713

这里想到了交通局能将整个城市道路的车流情况进行监控,为规划新路线、新道路提供支持;也想到了水利局的系统,将市区内的所有水库、河流的水位情况、污染情况进行监控。能把城市数据融在一起,是一个很大的系统,一般会从各部门的系统取出去,最后汇总到一起。

这些与工业场景类似,看到的更多是IoT,而不是AIoT,当然IoT是AIoT的一个子集。

AIoT在工业场景中的应用

  • 预测性维护

    一直以来,预测性维护都是AI+IoT在工业场景中的头号应用案例。基于AI分析的预测性维护,可以实现精准管控,停机、停产时间最小化,在生产流程上减少产能浪费。

    传统的工业自动化产生于上世纪中叶,彼时的技术尚不足以支撑非线性、自适应的制造系统。为了保证高效稳定的运行,几十年来,工业自动化一直基于PLC编程,执行线性的机械运动,完成特定任务,而无法适应变化,亦无法自我提升。

  • 设计优化

    人工智能在智能创新方面的应用,以助力产品的结构设计和仿真分析最为主要。在结构设计过程中,企业会产生大量的结构件和模型库,在模型库的优化管理过程中,利用AI技术可以大幅提高企业知识库的建设效率和应用效率。在多物理场仿真的过程中,AI技术可以更好地优化模拟场,加快数据分析速度,优化人工建模。而基于3D打印技术的材料仿真、拓扑优化,也将受益于AI技术。

    PLM场景

  • 优化排产

    AIoT可以生成最优的排产计划,实现多边界、多约束条件的高效排产。减少物料和产能浪费,快速响应工厂生产需求,提高生产效率.

    APS场景

  • 优化供应链

    根据原材料报价、配件报价、产品报价、市场走势,统筹产供销,制定合理的策略,降库存、减成本,优化整个供应链流程

    MES场景

  • 智能自动化

    基于AI技术,无需人类编程,机器臂就可以自己实践、学习如何完成任务,利用深层神经网络强化机械臂的动作,使之尽可能地接近任务目标,例如抓取、堆叠等。同时,这一过程还可以通过机器人协同工作,累计更多数据,从而加速机器训练的过程

3. 技术架构

介绍了AIoT的整体架构、市场规模与应用场景。

  • 体系架构

    image-20220712111720226

    这里将整个体系分成了3层,包括智能设备层、操作系统OS层、基础设施层(后端)。文章应该不是技术人写的,这里用自己的话来叙述。

    1. 智能设备负责信息的采集、运动控制、交互等功能,既包括视频、音频、压力、温度等数据的采集,也包括行走、抓取等行为,还包括与人的语音交互等功能
    2. 操作系统层指的是智能设备运行的系统,它可以对设备层进行连接与控制,提高智能分析与数据处理能力,不仅要控制智能设备,还需要与后端服务通信,对业务逻辑、无线通信、算法能力都有很高的要求。通常以PaaS形态存在。
    3. 后端提供着存储能力、网络能力、AI训练、和部署能力等IT基础设施

从上边的资料中,整个AIoT主要3个板块:IoT+互联网+AI,再细一点应该包括以下技术:

  • 传感器
  • 操作系统
  • 网络协议
  • 后台系统
  • AI算法

一点一点来看看。

3.1 概述

这篇文章给出了一个架构图,总结如下:

AIoT系统架构
  • 设备的接入方式

    2种接入方式:

    1. 网关接入方式,物联网终端设备本身不具备入网能力,需要在本地组网后,需要统一通过网关再接入到网络。比如终端设备通过zigbee无线组网,然后各设备数据通过Zigbee网关统一接入到网络里面。常用到本地无线组网技术有Zigbee、wifi、蓝牙、Lora,BLE MESH, sub-1GHZ等。
    2. 直接接入方式,物联网终端设备本身具备联网能力直接接入网络,比如在设备端加入NB-IOT通信模组。
  • 物联网通信协议

    这里指的是设备或网关与云端的通信协议,主要协议有MQTT、COAP。

    注:NB-IOT属于物理层协议,MQTT属于应用层协议。

    除了这些,视频领域有自己的协议,如RTMP、FLV、HLS等流媒体传输协议,以及SIP、GB28181视频监控协议等

  • 终端设备的嵌入式软件

    这里有的终端有操作系统,有的没有操作系统,简单看一下有操作系统的情况。

    从下到上依次是:硬件、驱动、操作系统、固件库、IoT应用

  • 物联网云平台4大组件

    1. 设备接入
    2. 设备管理
    3. 规则引擎
    4. 安全认证与权限管理

    规则引擎主要作用是把物联网平台数据通过过滤转发到其他云计算产品上。 比如可以把设备上报的数据转发到table store数据库产品里。
    规则引擎一般使用方式:类SQL语言,通过编写SQL语言,用户可以过滤数据、处理数据,并把数据发到其他云计算产品,或者其他云计算服务,(与我前两天的工作流引擎中的概念稍有差异,那个是条件判断,这里像是对数据流进行filter,应该是一个东西)。

3.2 传感器

参考

  • 温湿度传感器

  • 接近传感器

    检测附近物体的存在与否以及该物体的特性的设备,如光电传感器、超声波传感器

  • 压力传感器

  • 水质传感器

    余氯传感器、浊度传感器、PH传感器

  • 液体传感器

    用于确定在开放或封闭系统中流动的流体、液体或其他物质的液位或数量的传感器称为液位传感器。打开或封闭容器中的燃料计量和液位、海平面监测和海啸警报、蓄水池、医疗设备、压缩机、液压蓄水池、机床、饮料和制药加工、高或低位检测等。

  • 化学传感器

    化学传感器的主要用例可以在工业环境监测和过程控制、故意或意外释放的有害化学检测、爆炸物和放射性检测

  • 气体传感器

    专门用于监测空气质量的变化和检测各种气体的存在,用于空气质量监测、有毒或可燃气体检测、煤矿、石油和天然气行业的有害气体监测、化学实验室研究、制造-油漆,塑料,橡胶,制药和石化。如二氧化碳、一氧化碳、氢传感器、氧传感器、臭氧检测仪、气体检测仪等

  • 烟雾传感器

  • 红外传感器

    红外传感器是一种光电传感器,用于通过发射或检测红外辐射来感知周围环境的某些特征。它还能够测量物体发出的热量。应用范围比较广,医疗保健、可穿戴设备、安防等

  • 图像传感器(摄像头)

  • 运动检测传感器

    运动检测传感器是一种用于检测给定区域内的物理运动并将运动状况转化为电信号的电子设备,包括任何物体的运动或人类的运动。在安防领域有广泛用途,这些传感器主要用于入侵检测系统、自动门控制、栅栏屏障、智能相机(即基于动作的捕捉/视频录制)、收费站、自动停车系统、自动水槽/厕所等等

  • 加速度传感器

    加速度计是一种传感器,用于测量物体由于惯性力的作用而受到的物理量,并将机械运动转换为电输出,它们的用途通常包括检测振动、倾斜和加速度。这非常适合监控你的自动驾驶车队,或使用智能计步器

  • 陀螺仪

    用于测量角速率或角速度的传感器或设备称为陀螺仪传感器,最重要的应用是监视对象的方向。

    陀螺仪往往与加速度传感器结合使用,为系统提供更多运动反馈

  • 光学传感器

    如光纤

3.3 操作系统

参考1参考2

我最熟悉的是Linux,Linux本身并不是实时操作系统(RTOS),这在任务调度的时候说的很清楚(当然有把它配置成RTOS),这里介绍主要是

  • FreeRTOS,作者Richard Barry,17年加入了亚马逊,FreeRTOS也由亚马逊管理,长EETimes的数据看,市场占用率挺高
  • uC/OS-II,在学校时就接触过它,据说在中国用的挺多
  • Embedded Linux,嵌入式Linux
  • VxWorks,在积成接触过,看数据用的并不多
  • RT-thread,由中国开源社区主导开发的RTOS,组件不错,口碑不错
  • AliOS-Things,阿里的RTOS,基于Linux的
  • LiteOS,华为的RTOS

接入协议(物理层)

参考

这里对比了中长距离的几种协议:

  • 短距离

    主要有3种:

    1. WiFi,早早占据了家庭高速流量的入口,在人居场景占有率高

    2. Bluetooth,提前绑定了穿戴设备,掌握了以手机为中心的网络生态;

      家里的智能插排,这两个配合使用,通过Bluetooth设置家里wifi的密码,然后在通过wifi入网

    3. ZigBee,功耗上和 Bluetooth 差不多, 速率上又比不过WiFi,家居方面比较少

  • 长距离(LPWAN: 低功率广域网)

    频率越高,波长越短,穿透能力越弱,传播距离越短

    这种目前看有2种选择:

    • LoRa,2015年3月,主推Semtech、IBM、谷歌、阿里、中兴、腾讯等,私有网络不依赖运营商
    • NB-IoT,2016年6月,主推中国移动、中国电线、中国联通、华为、爱立信,运营商网络

3.4 通信协议(应用层)

参考

这里有2种协议

  • MQTT

    从协议架构上来看,MQTT是客户端/服务器模型,其中每一个传感器为一个客户端,通过TCP连接到服务器,这也称为代理。如有一个中间代理(TCP连接服务器)和三个客户端(三个传感器)。

    MQTT以消息为导向,采用发布-订阅的方式。每个消息发布至一个主题。客户端也许会订阅多种主题,订阅某个主题的每一个客户端会收到所有发布到主题的消息。

    MQTT简直就是协议层的IM;

    这里有个问题:MQTT基于TCP的化,能耗怎么降低?

  • CoAP

    CoAP是一种基于REST架构,应用于物联网的计算机协议。类似HTTP,CoAP是文本输出协议,但是不像HTTP,CoAP为受限制的设备设计。

    CoAP运行在UDP上,而不是TCP。客户端与服务器通过无连接的数据报进行通讯,在应用栈内实现重传与重排序。无需TCP即可使小型微处理器全部IP网络化,CoAP允许使用UDP广播与多播用于地址。

    CoAP遵循客户端/服务器模型,客户端向服务器请求,服务器回送响应,客户端可以GET、PUT、POST和DELETE资源。

    CoAP用于通过简单代理与HTTP、RESTFUL网络交互。

    CoAP,基于UDP的简版Http,会面临可靠性、流量控制等问题

3.5 规则引擎

这里的规则引擎与在工作流引擎中的规则引擎是一个东西,rule包括2个要素:condition与action,满足某种condition执行相应的action。

经过MQTT的数据一般,可以使用JSON格式。在数据之上定义rule,这里的rule采用类SQL来表达,需要一个简单的SQL解析器,然后作用于JSON数据上。

  1. 类SQL方式

    AWS的示例

    最常用的有Filter(where),还有T ransformation对数据进行变化。

    如果仅是过滤的话SQL就可以表达了,但如果进行一些复杂的变换,SQL预计不能完成,但这样也符合规则引擎的初衷。

  2. Lua脚本

    除了类SQL型,还有脚本型,写一段脚本进行执行;

    比如thingsboard,先对语言进行解析,然后执行相应的操作;

    再比如这里提及的Lua;

    脚本除了进行过滤还可以进行变换;

  3. 自定义方式

    参考Drools算是一种自定义的方式了,通过自定义when、then、end等关键字来定义rule;

    也可以自定定义json的方式来定义;

    主要进行过滤;

3.6 AI算法

参考1参考2

这两个参考资料看到的,感情就是机器学习+深度学习的大纲,这从侧面说了AI领域对IoT与其他领域没有多大差异。

而且,安防、机器人领域都是目前AI核心区域,这里暂不对其进行介绍了。

4. 结语

这里主要探索了AIoT领域的市场、主要玩家、应用场景、最后对技术架构进行了简介,作为初探已经完成了初始的目的,后边会对终端(包括OS)、网络协议(物理层、应用层)、规则引擎、AI算法应用等内容分别进行研究。

评论

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×