边缘智能 关键技术与落地实践

第1章 边缘智能：“智能+”的新风口
1.1 边缘智能产生的“大背景” .1
1.1.1 新一代信息技术的推动发展 .1
1.1.2 国家政策的支持和引导 6
1.1.3 资本与业务需求的推动 7
1.2 身边的边缘智能“小案例” .8
1.2.1 京东快递与菜鸟驿站 8
1.2.2 智能快递柜收费“风波” .10
1.3 边缘智能发展的三大阶段 .12
1.3.1 **阶段：边缘智能探索 .12
1.3.2 第二阶段：“智能+”边缘 .12
1.3.3 第三阶段：边缘智能体系 .13
1.4 站在“智能+”的新风口 14
1.4.1 “智能+”技术的新融合 .14
1.4.2 应用行业的多维度 15
1.4.3 新兴市场的大繁荣 16
1.5 本章小结 .17
第2章 何为边缘智能
2.1 边缘智能的定义 18
2.2 边缘智能的前世今生 19
2.2.1 网络通信角度的演进 20
2.2.2 计算服务角度的演进 23
2.2.3 “智能+”角度的演进 .27
2.3 边缘智能面临的挑战及研究方向 30
2.3.1 面临的挑战：安全、智能应用和优化 30
2.3.2．研究方向：安全、智能、协同、优化 32
2.4 边缘智能的重要应用场景 .35
2.4.1 无人驾驶 .35
文前.indd 1 2021-4-7 8:08:26
ii 边缘智能：关键技术与落地实践
2.4.2 智能安防 . 36
2.4.3 智能家居 . 37
2.4.4 工业机器人 . 38
2.5 本章小结 . 40
第3 章 “云- 边- 端”体系架构
3.1 系统工程方法论 41
3.1.1 系统工程概述 . 41
3.1.2 基本方法 . 42
3.2 体系架构模型 44
3.2.1 概念框架 . 44
3.2.2 层次结构 . 46
3.3 协同模式 . 47
3.3.1 “云- 边”协同 48
3.3.2 “边- 边”协同 49
3.3.3 “边- 端”协同 50
3.3.4 “云- 边- 端”协同 50
3.4 度量指标 . 51
3.5 前沿方向 . 54
3.5.1 “云- 边- 端”区块链 54
3.5.2 边缘云原生容器服务 56
3.5.3 “云- 边- 端”一体化机器人系统 . 57
3.6 本章小结 . 59
第4 章 边缘智能中的数据与信任
4.1 区块链技术概述 61
4.1.1 基础架构 . 61
4.1.2 重要组件 . 64
4.1.3 主流开源技术 . 68
4.2 数据管理与隐私保护 70
4.2.1 数据管理架构 . 70
4.2.2 隐私保护 . 72
4.3 边缘智能中的信任 74
4.3.1 信任的基本概念 74
4.3.2 信任管理 . 76
4.4 解决方案 . 78
4.4.1 服务模式层面的解决方案 . 78
4.4.2 部署方式层面的解决方案 . 79
4.5 前沿方向 . 80
4.5.1 面向资源受限环境的性能扩展 . 80
4.5.2 跨域的分布式信任 80
4.5.3 智能应用与隐私保护的平衡 . 81
4.6 本章小结 . 81
第5 章 边缘智能中的模型与安全
5.1 模型压缩 . 83
5.1.1 深度神经网络基础 83
5.1.2 模型压缩方法 . 86
5.1.3 模型压缩工具框架 90
5.2 联邦学习 . 93
5.2.1 基本概念 . 93
5.2.2 安全性分析 . 97
5.3 解决方案 . 100
5.3.1 百度联邦学习框架PaddleFL 100
5.3.2 微众银行联邦学习框架FATE . 100
5.3.3 腾讯联邦学习框架AngelFL . 101
5.3.4 平安科技联邦学习平台“蜂巢” . 101
5.4 前沿方向 . 102
5.4.1 面向“云- 边- 端”应用的模型压缩 102
5.4.2 面向边缘智能的联邦学习 . 103
5.5 本章小结 . 104
第6 章 边缘智能中的资源与优化
6.1 计算卸载 . 106
6.1.1 基本流程 . 106
6.1.2 运行机制 . 108
6.1.3 策略分类 . 109
6.2 资源分配优化 111
6.2.1 *优化理论基础 112
6.2.2 马尔可夫决策过程 112
6.2.3 深度强化学习 . 113
6.2.4 资源分配优化问题建模 115
6.3 解决方案 . 118
6.3.1 面向不可分割任务的计算卸载方案 . 118
6.3.2 面向可分割任务的协同计算卸载方案 118
6.3.3 多节点资源分配方案 120
6.4 前沿方向 . 122
6.4.1 新型计算卸载策略 122
6.4.2 “云- 边- 端”高效的资源分配优化模型 123
6.4.3 数据安全协同模式解决安全性问题 . 123
6.5 本章小结 . 124
第7 章 智能安防场景下的边缘智能实践
7.1 实践背景 . 125
7.1.1 智能安防的发展、挑战和新要求 . 125
7.1.2 危险物品检测 . 129
7.2 技术梳理 . 130
7.2.1 视觉目标检测 . 130
7.2.2 轻量级卷积神经网络 132
7.3 实践案例：基于Jetson Nano 的枪支检测 134
7.3.1 基础环境准备 . 134
7.3.2 数据集准备 . 136
7.3.3 模型训练 . 138
7.3.4 测试部署 . 139
7.4 本章小结 . 140
参考资源 141
第8 章 智慧电梯场景下的边缘智能实践
8.1 实践背景 . 142
8.1.1 智慧电梯：无接触式交互的“垂直出行” 142
8.1.2 智能语音：人机交互的“私人助手” 144
8.2 技术梳理 . 146
8.2.1 语音识别：人工智能关键步骤 . 146
8.2.2 智慧电梯语音指令识别流程 . 152
8.3 实践案例：基于深度神经网络的通用电梯语言指令识别 . 153
8.3.1 基础环境与数据集构建 153
8.3.2 模型设计与训练 154
8.3.3 性能测试 . 156
8.4 实践案例：基于树莓派的可编程电梯语音识别 . 157
8.4.1 基础环境 . 157
8.4.2 GPIO 编程 . 157
8.4.3 部署测试 . 160
8.5 本章小结 . 161
参考资源 161
第9 章 智慧社区场景下的边缘智能实践
9.1 实战背景 . 163
9.1.1 智慧社区：民生的智慧“生活圈” . 163
9.1.2 社区中生活垃圾分类 166
9.2 技术梳理 . 168
9.2.1 垃圾图像分类 . 168
9.2.2 联邦学习 . 171
9.3 实践案例：基于联邦学习的垃圾图像分类 174
9.3.1 基础环境：FATE 174
9.3.2 数据集构建 . 176
9.3.3 模型构建 . 177
9.3.4 训练与测试结果 179
9.4 本章小结 . 180
参考资源 181
第10 章 智慧医疗场景下的边缘智能实践
10.1 实践背景 . 182
10.1.1 智慧医疗：患者数据获取、知识发现和远程服务模式 . 182
10.1.2 医疗数据隐私保护 184
10.2 技术梳理 . 186
10.2.1 联盟区块链医疗数据管理 . 186
10.2.2 云原生软件开发 190
10.3 实践案例：基于联盟区块链的医疗数据隐私保护方案 193
10.3.1 总体框架设计 193
10.3.2 基础环境部署 193
10.3.3 功能实现 . 196
10.4 本章小结 . 199
参考资源 200
第11 章 智慧交通场景下的边缘智能实践
11.1 实践背景 201
11.1.1 智慧交通：“云- 边- 端”架构下“人- 车- 路”协同 201
11.1.2 计算机视觉 . 205
11.2 技术梳理 207
11.2.1 车牌识别 . 207
11.2.2 智慧交通应用系统设计 . 209
11.3 实践案例：基于计算机视觉的智慧交通应用系统实现 212
11.3.1 基础环境搭建 212
11.3.2 功能实现 . 214
11.4 本章小结 219
参考资源 219
第12 章 开源平台
12.1 面向终端的边缘智能开源平台 . 220
12.1.1 EdgeX Foundry：工业场景标准化智能框架 220
12.1.2 Fledge：独立开放互操作智能框架 221
12.1.3 ioFog：Eclipse 开发的边缘智能平台 . 223
12.1.4 Edgent：Apache 开源的边缘智能模型 . 224
12.2 面向边端的边缘智能开源平台 . 225
12.2.1 Akraino Edge Stack：高性能边端服务框架 . 225
12.2.2 CORD：灵活重构的网络边缘基础设施 . 226
12.2.3 StarlingX：面向边缘智能的OpenStack 集成平台 . 227
12.3 面向“云- 边- 端”协同的边缘智能开源平台 . 229
12.3.1 OpenEdge：百度云计算能力的智能拓展 . 229
12.3.2 Azure IoT Edge：微软云边混合智能框架 230
12.3.3 KubeEdge：CNCF 云原生服务的边缘智能基础设施 231
12.3.4 Link Edge：阿里云一体化协同计算体系 . 231
12.3.5 IEF：华为云企业级边缘智能服务 . 232
12.4 本章小结 . 234
参考资源 234
参考文献