ЖУРНАЛ СТА №4/2023

факторов построения системы машин- ного зрения точность инспекции изде- лий приближается к 100%. Для комплексных задач применяют- ся классические системы машинного зрения с персональным компьютером в качестве мощной вычислительной платформы, а для решения локальных типовых задач достаточно использова- ния датчиков технического зрения. Такие датчики имеют компактный размер, оснащены стандартными пор- тами ввода-вывода, имеют собствен- ное программное обеспечение и под- держивают большинство распростра- нённых протоколов, таких как PROFI- BUS, Profinet, Modbus, OPC, TPC и др. Для систем технического зрения AAEON предлагает линейку компьюте- ров BOXER-6800 и BOXER-6600 c возмож- ностью установки полноразмерных плат видеозахвата или ускорителей нейронных сетей формата PCI Express и других малых форматов (рис. 4). Периферийный искусственный интеллект Edge computing (периферийные вы- числения) вызывают значительный интерес благодаря новым сценариям использования, особенно после внед- рения сетей 5G. Искусственный интеллект в значи- тельной степени зависит от передачи данных и выполнения сложных алго- ритмов машинного обучения, т.е. от то- го, о чём мы говорили выше. Периферийные вычисления – это вы- числительная парадигма нового поко- ления, которая переносит ИИ и машин- ное обучение туда, где происходят гене- рация данных и вычисления, – на гра- ницу сети. Их объединение привело к появлению нового направления – пери- ферийного искусственного интеллекта (Edge AI). Edge AI обеспечивает более быстрые вычисления и извлечение дан- ных, лучшую безопасность данных и эф- фективный контроль над непрерыв- ностью операций, таким образом повы- шается производительность приложе- ний и снижаются эксплуатационные за- траты. Периферийный искусственный интеллект облегчает машинное обуче- ние, автономное применение моделей глубокого обучения и передовых алго- ритмов на самих устройствах Интерне- та вещей (IoT) уже вне облачных серви- сов. То есть создаётся масштабируемый «искусственный разум» для обработки данных разного рода в конкретно по- ставленной задаче. Преимуществами машинного обуче- ния на периферии можно отметить следующие пункты. ● Сокращение времени обработки операции. В данном случае процесс обработки данных происходит не только на уровне сети, но также и на уровне устройства, таким образом ис- чезает необходимость пересылки ог- ромных объёмов данных через сеть или на устройства, что в результате улучшает пользовательский опыт. ● Минимизация нагрузки сетей. В Edge AI реализована технология клаудлетов (cloudlet), которая пред- ставляет собой небольшое облачное хранилище, расположенное на пери- ферии. Эта технология повышает мо- бильность и снижает нагрузку на пе- редачу данных. Следовательно, она может снизить стоимость услуг пе- редачи данных и повысить скорость и надёжность потока данных. Мини- мизируется риск раскрытия конфи- денциальной информации во время процесса передачи, так как не нуж- но передавать данные в облако, проводить аналитику и возвращать данные назад. ● Конфиденциальность. Разного рода данные на сегодняшний день – наи- более ценный актив. Прозрачная структура сбора и хранения данных повышает лояльность пользователя к предприятию. ● Низкая стоимость машинного об- учения. Edge AI сокращает расходы на машинное обучение, выполняе- мое в облачных дата-центрах, ввиду автономности процессов. Надо, в свою очередь, понимать, что машинное обучение требует больших вычислительных мощностей на аппа- ратных платформах периферийных вы- числений. В инфраструктуре Edge AI производительность вычислений огра- ничена производительностью перифе- рийного или IoT-устройства. В боль- шинстве случаев сложные модели Edge AI приходится упрощать перед развёр- тыванием, чтобы повысить их точность и эффективность, но тем не менее для широкого спектра задач – это панацея. За последние 10 лет вычислитель- ные платформы для нейронных сетей превратились из полноразмерных сер- веров в компактные встраиваемые ком- пьютеры, в том числе платформы с пас- сивным охлаждением, так как сами ускорители из полноразмерных плат PCI express мигрировали в компакт- ные mini PCI express илиM.2 устройства. Это более бюджетные, но достаточно производительные решения. Компания Kneron, основанная в 2015 году, является ведущим поставщи- ОБ ЗОРЫ Рис. 4. BOXER-6842M Рис. 6. M2AI-2280-520 Рис. 5. Mini-AI-520 СТА 4/2023 14 www.cta.ru