坚固边缘推理分析的五大应用

1.智能监控

在坚固的边缘设备上进行推理分析可以立即处理和分析监控摄像机和其他连接的外围设备提供的数据。GPU支持的推理分析可为捕获的可视数据进行实时视频分析，这些可视数据可应用于多种安全，保障和优化任务。一个部署在一个繁忙的机场安全接触点的相机系统可以使用的推理分析，快速进行面部识别通过交叉引用已注册乘客图像的安全数据库，提供了比人工登机门所提供的更快，更准确的安全性和便利性。可以将其他参数应用于相同的视频数据，以预测行为，识别可疑或无人看管的对象以及检测可能需要立即进行安全干预的事件。随着边缘计算机处理更多数据，机器学习推理分析任务改善了DL模型，从而可以在更远的距离和各种异常情况下更快地执行识别功能。

2.智能交通系统（ITS）

部署在连接的智能城市周围的分布式物联网网络上的坚固型边缘计算机会收到各种类型的数据，这些数据需要立即处理以维护高效的公共系统。由GPU驱动的推理任务可以执行车牌识别，以促进收费，快速识别和定位感兴趣的车辆以及监视交通模式和通勤频率。可以将这些数据路由到其他城市系统，以进行进一步处理，以同步交通信号系统，公共交通调度，车辆到所有通信和紧急调度，以增强智慧城市运营的安全性，效率和可持续性。

3.工业4.0

工业物联网中的推理分析对制造和关键基础设施系统的管理具有巨大的意义。部署在不同分布式系统上的坚固型边缘计算机均专门从事推理分析任务，这些任务可导致更安全，更简化的工业运营。机器视觉系统分析产品的视觉图像，以立即检测人眼无法察觉的缺陷或像差，从而确保整个制造过程中的高质量一致性。机器学习推理是用于计量和检查应用程序的绝佳工具，可以确定几秒钟内的缺陷，如以下视频示例所示。

自主机器人在识别并响应条件变化时无人监管地执行分配的任务，并通过机器学习进行相应调整以保持生产率，而不会危害人类或其他系统。推理分析可将材料消耗，能源消耗和生产能力告知AI平台，以优化可持续生产和服务的资源可用性。推理分析还有助于检测网络入侵并自动初始化网络安全控制措施，以抵消或减轻未经授权的访问。

4.自主车辆和车队管理

推理分析可为负责自动或半自动安全驾驶汽车的车载计算机进行机器学习。强大的并行计算处理来自道路的视频数据，其中包含与道路状况，危险和其他驾驶员的预期操作相关的信息，以预测未来的结果并安全且无延迟地操作车辆控制系统。机器学习不断完善系统的可操作性和响应能力，为在培训之外的情况下进行谈判做好准备。可以结合GPS处理来自ITS的有关天气，旅行和交通状况的传入数据，以优化燃油消耗。另外，语音识别参数允许对车辆系统进行语音控制。

5.医学影像与疾病诊断

　　推理分析支持医疗AI应用程序，能够在移动或远程设置中采用计算密集型成像和预测模型。GPU通过快速处理高分辨率的多维图像来加速基于放射学和计算机断层扫描的医学报告以及分段和预测模型的生成。无需为了提高速度而降低图像质量，医生可以在医疗机构之外更快地诊断出患者，并且准确性更高，从而为患者带来更好的结果。