ZHY750物联分析终端

多端融合的平台化计算核心

• NVR能力：有线摄像机接入，TB级存储容量
• AI终端：16T算力，可根据需求级联扩容
• 物联网关：开入、开出、串口、网口、Lora、RF433、wifi、zigbee、4G全支持
• 多端融合计算平台可以对多维数据融合分析，加强各种类型数据的关联应用(典型如智能联动、综合诊断等)。

超强算力保障——解决算力需求问题

• 通过对AI异构平台的深度应用开发，充分挖掘计算能力，结合深度学习框架，能够对各类巡视场景进行智能识别;
• 目前一张图片识别时间约100ms;
• 算力平台可满足边侧巡视智能分析需要，同时为不断的应用拓展需求提供计算平台。

边侧AI能力

• 识别精度高：根据场景特征，综合验证多种深度学习算法、框架(PADDLE、TENSORFLOW、CAFFE、DARKNET等)、硬件平台(ATLAS、NVIDIA、ARM、HISILICON、QUALCOMM等)的适配效果，最终确定精度较高的融合方案，灵活应用多种学习算法。
• 识别速度快：基于ATLAS平台资源进行算法深度优化，单张图片可在100ms左右分析识别完毕。
• 趋势分析：常规巡视系统仅对单次巡视数据做识别，难以发现告警阈值以下的趋势变化。本方案会对历史数据进行比对，预测监视对象是否存在持续变化趋势，提前发现设备隐患。
• 可迭代升级：基线版本的AI模型根据所部署的现场进行场景适配，定期对现场图片进行采集、分析与训练，并通过远程方式对物联分析终端迭代升级，持续提高边侧AI能力。

多模型并行进程混跑

• 各类识别算法模型混跑于物联分析终端，根据场景需求进行巡视策略适配，自动调用相应算法进行智能识别业务应用;
• 同时依托AI模块的超强算力，可进行多算法进程并行分析，提高识别速度，满足快速识别场景需求;
• 业务逻辑与算法模型解耦，可通过数据积累、算法优化后对现场终端进行远程升级，不断加强边缘识别能力。

识别算法迭代——端云协同技术

• 通过端云协同实现计算能力的不断提升，终端在边缘计算的同时，可以为算法优化提供持续的素材积累，供上层平台进行AI优化训练;
• 新的算法版本推出后，可以通过端云协同实现前端算法的远程升级，保障前端识别能力的不断提升。