当前位置: 首页 > article >正文

智能边缘计算×软硬件一体化:开启全场景效能革命新征程(独立开发者作品)

边缘智能技术快速迭代,并与行业深度融合。它正重塑产业格局,催生新产品、新体验,带动终端需求增长。为促进边缘智能技术的进步与发展,拓展开发者的思路与能力,挖掘边缘智能应用的创新与潜能,高通技术公司联合阿加犀智能科技主办了“2024高通边缘智能创新应用大赛”。大赛共甄选出 36 个卓越项目,以下为智能边缘计算赛道独立开发者的优秀项目分享:

▲  城市管理移动端智能巡检

▲  高频股票自动交易系统

物联网技术的蓬勃发展带来了海量数据的生成,这对传统云计算构成了严峻挑战,尤其是在传输延迟、带宽限制以及隐私和安全问题方面。正是在这一背景下,智能边缘计算技术应运而生。

作为边缘计算与人工智能技术深度融合的产物,智能边缘计算将数据处理的关键功能迁移到网络边缘,有效减轻了云计算的压力,并增强了数据的安全性和稳定性;同时,它还具备智能决策能力,为城市管理、医疗、金融、智能家居、农业、教育等多个领域提供了强大的智能化技术支持。

在这一技术浪潮的推动下,独立开发者以其灵活的个性和对创新的不懈追求,站在了智能边缘计算应用开发的前沿。他们不受传统束缚,以独特的视角和敏锐的技术感知,在本次大赛中打造出了一系列极具创新思维和技术领先性的智能边缘创新应用作品,为行业注入了新鲜活力。

城市管理移动端智能巡检

在城市管理中,传统的人工巡查方式面临着人力需求大、成本高昂以及问题发现不及时等挑战。尽管许多城市已经开始采用人工智能技术,通过固定监控设备实现自动化数据采集,但这些系统的建设周期长、见效慢,且覆盖范围有限,无法跟上城市快速发展的步伐。

针对这一问题,参赛团队打造了基于高通QCS6490平台边缘智能物联网开发板的移动端智能巡检解决方案,通过在车辆前部安装小型摄像头,实时捕获并分析行驶过程中的城市道路事件、部件问题及道路病害,提供了一种灵活、高效的城市监控新途径。

图片

技术路径

智能边缘技术重塑城市智能巡检体系

技术层面,该项目通过高通边缘设备提供了精准的边缘检测服务,尤其在复杂背景和低对比度环境下,相较于传统固定监控算法,它展现出更强的抗噪声干扰能力,从而提升了检测的稳定性和精确度。在管理层面,项目构建了一个智能发现系统,专注于事件的展示、审核与推送。

图片

开发者项目系统界面

总体而言,该项目利用阿加犀边缘智能工具链,将城市管理中常用的问题识别算法快速部署到体积小巧、计算能力强大的高通边缘设备上,实现了路面病害和城市管理事件的自动化巡查和采集,并实时推送至智能发现系统进行审核,最终传递至行业业务管理系统以待处理,形成了自动化巡检的完整闭环。

城市管理移动端智能巡检项目的优势在于其能够补充固定监控在智能发现问题上的不足,利用车辆的高机动性广泛覆盖各个区域,相比人工巡查更为高效和及时。它减轻了人工巡查的工作量,提高了问题发现的效率,扩展了智能化采集手段和覆盖范围,为城市巡检提供了更精细化、智能化和多元化的服务。

多城市试点应用,多行业拓展赋能

该项目目前已在芜湖、杭州、呼市等地区成功试点,有效排除道路安全隐患,为市民出行安全提供保障。通过移动端智能巡检方案,项目推动了创新合作模式,比如建立生态系统,公交、出租车公司提供车辆资源,设备与算法由厂商提供,用户方购买服务,实现资源的高效整合。

此外,移动端智能巡检不仅仅适用于城市管理问题采集,还能扩展至多个行业,如城市3D数据采集、交通信号灯异常采集、道路车辆违规采集等。同时,该技术能适配不同厂商和品牌的边缘设备,展现出强大的普适性和可扩展性。

高频股票自动交易系统

深度学习、人工智能等前沿技术正以迅猛的速度发展,并在金融行业引起了广泛关注。这些技术的进步使得人工智能分析海量数据,捕捉市场规律,实现高精度预测和自动化交易成为了现实。

在这样的技术背景下,参赛者基于高通QCS6490平台边缘智能物联网开发板打造了一套基于深度学习的量化交易系统。该系统通过自定义的神经网络结构,能够捕捉证券市场的波动和走势,并对短期价格变化进行预测,以期为投资者提供正向的辅助作用。

图片

开发者项目效果展示

性能优化与商业化应用

在阿加犀技术的赋能下,参赛者将量化交易系统封装为独立应用,并部署在基于高通平台的终端设备上。这种部署方式使得数据获取、推理、交易决策和自动交易等全部过程在端侧高效执行,有效保护了客户隐私。

在批量测试中,该系统对行情的预测准确度相较于传统的长短时记忆网络有了显著提升。系统以量化交易框架的形式呈现,遵循开闭原则,便于进行二次开发。

此外,该系统不仅适用于传统证券交易市场,也适用于数字货币交易市场的走势预测,能够根据不同用户的需求提供多样化的服务。系统既可以作为软件服务,也可以作为终端设备服务,降低服务端的维护成本和开发成本,展现出强大的商业化潜力和广泛的市场前景。


http://www.kler.cn/a/463251.html

相关文章:

  • RocketMQ面试题:进阶部分
  • 探索 AIGC 的基础知识:人工智能生成内容的全景视图
  • 【文献精读笔记】Explainability for Large Language Models: A Survey (大语言模型的可解释性综述)(三)
  • Windows平台下如何手动安装MYSQL
  • HackMyVM-Airbind靶机的测试报告
  • Cursor小试1.生成一个网页的接口请求工具
  • 【置顶】测试学习笔记整理
  • SUBSTRING_INDEX()在MySQL中的用法
  • Vue 3.0 中 template 多个根元素警告问题
  • springboot522基于Spring Boot的律师事务所案件管理系统的设计与开发(论文+源码)_kaic
  • BGP(Border Gateway Protocol,边界网关协议)
  • 改进爬山算法之五:自适应爬山法(Adaptive Hill Climbing,AHC)
  • c#String和StringBuilder
  • Coding Our First Neurons
  • SpringMVC的工作流程
  • 数据结构————概述
  • Gitee在项目中的运用全解析
  • 65.基于SpringBoot + Vue实现的前后端分离-阿博图书馆管理系统(项目 + 论文PPT)
  • 基于Springboot + vue实现的课程答疑系统
  • 《Vue进阶教程》第三十三课:toRef的使用
  • 【TensorFlow】tensorflow简介和环境搭建、入门
  • 掌握 Stream API - Java 8 的力量
  • 智能工厂的设计软件 应用场景的一个例子:为AI聊天工具添加一个知识系统 之12 方案再探之3:特定于领域的模板 之2 首次尝试和遗留问题解决
  • 异常与中断(上)
  • C++设计模式:状态模式(自动售货机)
  • HIVE函数使用案例之----行列转换