多端融合的平臺化計算核心

• NVR能力：有線攝像機接入，TB級存儲容量
• AI終端：16T算力，可根據需求級聯擴容
• 物聯網關：開入、開出、串口、網口、Lora、RF433、wifi、zigbee、4G全支持
• 多端融合計算平臺可以對多維數據融合分析，加強各種類型數據的關聯應用(典型如智能聯動、綜合診斷等)。

超強算力保障——解決算力需求問題

• 通過對AI異構平臺的深度應用開發，充分挖掘計算能力，結合深度學習框架，能夠對各類巡視場景進行智能識別;
• 目前一張圖片識別時間約100ms;
• 算力平臺可滿足邊側巡視智能分析需要，同時為不斷的應用拓展需求提供計算平臺。

邊側AI能力

• 識別精度高：根據場景特征，綜合驗證多種深度學習算法、框架(PADDLE、TENSORFLOW、CAFFE、DARKNET等)、硬件平臺(ATLAS、NVIDIA、ARM、HISILICON、QUALCOMM等)的適配效果，最終確定精度較高的融合方案，靈活應用多種學習算法。
• 識別速度快：基于ATLAS平臺資源進行算法深度優化，單張圖片可在100ms左右分析識別完畢。
• 趨勢分析：常規巡視系統僅對單次巡視數據做識別，難以發現告警閾值以下的趨勢變化。本方案會對歷史數據進行比對，預測監視對象是否存在持續變化趨勢，提前發現設備隱患。
• 可迭代升級：基線版本的AI模型根據所部署的現場進行場景適配，定期對現場圖片進行采集、分析與訓練，并通過遠程方式對物聯分析終端迭代升級，持續提高邊側AI能力。

多模型并行進程混跑

• 各類識別算法模型混跑于物聯分析終端，根據場景需求進行巡視策略適配，自動調用相應算法進行智能識別業務應用;
• 同時依托AI模塊的超強算力，可進行多算法進程并行分析，提高識別速度，滿足快速識別場景需求;
• 業務邏輯與算法模型解耦，可通過數據積累、算法優化后對現場終端進行遠程升級，不斷加強邊緣識別能力。

識別算法迭代——端云協同技術

• 通過端云協同實現計算能力的不斷提升，終端在邊緣計算的同時，可以為算法優化提供持續的素材積累，供上層平臺進行AI優化訓練;
• 新的算法版本推出后，可以通過端云協同實現前端算法的遠程升級，保障前端識別能力的不斷提升。