鮭魚加工是一項大生意，它利用技術來保持創新和全球競爭力。雖然人工視覺演算法可用於實現高度精確的物件偵測—即時評估和計算魚類數量—但它們需要專門的硬體，能夠有效地整合工作負載。這個目標類似於資料中心的優先事項，但在更不穩定和物理條件更嚴苛的環境中。
它帶來了工程挑戰，突顯了生產或製造現場常見的自動化障礙—如何在一個遠不如乾淨、乾燥且充滿伺服器的建築物那樣精確控制的工業環境中促進人工智慧和機器學習。
在重工業營運中，自動化升級日益成為策略目標，儘管工程師通常需要為高度獨特的物聯網情境設計缺乏專業知識的運算解決方案。基於標準的堅固型邊緣推論電腦在這項努力中開闢了新天地，其演算法和工作負載性能經過精心設計，可透過數據、在地化處理和神經網路功能來驅動自主性，以適應先進自動化的速度和大規模。
新鮮度至關重要——對魚和數據都是如此
更多的資料需要更智慧的資料管理和存取，這兩項因素對於建立更高層次的自動化至關重要。魚類加工的例子依賴於智慧感測器即時收集和分享的大量資料庫。
例如，魚類從船上直接卸貨後，必須進行量化和品質評估，生產線決策可由人工處理。這些決策對於定價水準和分銷計畫至關重要，它們依賴於對大小、顏色和清晰度的即時評估。這項任務本身就極具挑戰性，而商業捕魚作業的改進意味著任何時候都有更多的魚進入生產線，這使得任務更加艱鉅。
人工勞動可能會因主觀的產品評估而產生錯誤的計數和品質控制問題，而且要跟上魚類加工機械處理每天多達 10 萬條魚的速度顯然很困難。或者，這些相同的數量和品質控制操作可以由堅固型邊緣推論電腦與即時運行流程的軟體演算法良好管理。
利用推論能力，或從舊邏輯中創建新邏輯，演算法可以不斷提高計數和評估魚片品質的效率，速度和準確度驚人。
神經網絡訓練
湧入的資料流量訓練並重新訓練系統的神經網路，而堅固型邊緣平台則作為此目的的資料聚合裝置。所有視覺資料持續輸入系統，有助於完善用於物件偵測的知識。一旦神經網路學會了如何最佳地識別魚類，該演算法就會部署到生產現場的堅固型邊緣電腦中使用。
在此情境中，魚類在捕獲後會迅速運送到生產線，直接從漁船進入。這個運算環境的環境考量極為嚴峻—堅固型邊緣電腦本身經過驗證，可處理衝擊、振動、極端溫度和腐蝕性鹽水。
堅固型邊緣系統的卓越堅固設計同時考量了物理設計和運算性能，專為消除停機時間並確保穩定 24/7 運作而打造。系統透過機械和熱工程進行堅固化，確保在具有強烈振動、惡劣溫度以及潮濕和污垢元素的環境中仍能表現出色。這些工業級電腦也經過性能驗證，可執行基於極端處理能力和儲存容量的功能。
除了程式化感測器和客製化軟體演算法，無風扇堅固型邊緣電腦還整合了一系列多核處理器選項。這些通常結合了 CPU、GPU 和 VPU 運算元件，以優化系統高速分析影像的能力—為此任務增添了關鍵價值和速度，超越了人類即時處理的能力。
資料傳輸由 1Gbe 連線支援，以及藍牙、Wi-Fi 和行動 4G LTE 技術等無線資料通訊選項。搭配更快的儲存磁碟機，這些性能加速器允許即時本機處理，而無需依賴雲端處理，從而消除了大量即時資料可能造成的資料瓶頸。
資料處理在其來源處或接近其來源處執行，對延遲、隱私和安全以及頻寬產生了有利的影響。其結果是生產力和效率顯著提高，基於收集引人注目的資料，大大改善了策略性決策。
食品製造商的工具箱
如今，人工智慧、物聯網和連線技術協同運作，幫助加工廠達成生產目標、提高工廠效率並改善整體安全性。機器和資料必須密切合作，即使應用程式面臨環境的物理需求，並且對延遲、頻寬和可靠性問題高度敏感。
智慧硬體策略在此領域扮演著越來越重要的角色，為重工業營運提供了新的即時決策存取層級的軟體性能。透過在資料源處或附近快速、預測性的分析，工業營運正在利用邊緣的機器學習和推論需求—無論終端使用環境的物理嚴苛程度如何，都能推動更先進的自動化能力。
Premio 是一家全球解決方案供應商，專門從事從邊緣到雲端的運算技術。