本項目研發了一套完整的現場數據采集服務支撐技術，提供了數據采集集成服務的商業運營新模式。針對工業互聯網建設過程中普遍存在的現場數據采集需求，整合了綜合感知、AI智能處理、網絡安全傳輸、數據質量管理和標準化輸出等多個環節，把經過質量分析和標準化處理后的實時數據，作為產品對接到工業互聯網應用平臺的數據池，供后續數據處理和應用分析。整套技術包括4大模塊：1）智能網關：基于具有AI能力CPU的智能網關，完成對多種傳感信息的有效采集，并安全傳輸給數據前置云服務器；重點研究基于小目標的AI圖像分類算法。2）AI模型管理系統：實現對智能網關中視覺AI感知中的模型計算和管理，該系統可以統一部署也可以部署的用戶指定的內網服務器中。3）數據管理和標準化處理：數據有效性管理、數據質量評估、數據標準化和數據安全機制。4）智能運維：開發一套基于移動APP的智能運維系統，為運維人員提供有效幫助，提高效率、降低成本、保證系統運行質量和數據的有效性。

如圖所示，項目完成了對于現場數據的傳感、傳輸、管理、輸出和設備運維等一系列工程實現。

應用范圍:

1、智能網關：

開發基于具有AI能力CPU的智能網關，完成對多種傳感信息的有效采集，并安全傳輸給數據前置服務器。

綜合接入能力：

包括有線傳感器和特定的無線傳感器、與現有系統的對接

有效感知能力：

實現基于圖像的AI視覺感知能力，重點研究基于小目標的圖像分類算法

安全傳輸能力：

提供4G、5G、NB-IOT的上行傳輸模塊化替換

提供安全的加密手段，保證數據安全

現場調試配置能力：

具有現場WiFi調試功能，方便安裝和運維人員現場配置和檢測

軟件和通信標準版本現場升級

2、AI模型管理系統

需要實現對智能網關中視覺AI感知中的模型計算和管理，該系統可以統一部署也可以部署的用戶指定的內網服務器中。

樣本管理能力

原始樣本管理、樣本實例庫分類和管理、檢測樣本管理等

模型計算和管理

算力管理：對算力的統籌，外部算力的對接等

算法管理：自主開發算法的管理和調動，外部算法的調用和對接

模型管理：包括模型的功能屬性和已經應用的情況的統計分析

設備管理

設備的AI模型配置能力、AI推演過程的監控、AI推演結果的跟蹤采集和分析

3、數據管理和標準化處理

數據有效性管理

監測數據是否按時上傳、上傳數據是否符合要求、是否為非法數據

告警輸出：把告警信息進行分類，并推送給相關的運維系統

數據質量評估

按照標準對現場采集數據進行多維度的質量分析，為后續數據應用提供參考依據

數據標準化

格式標準化：完善采集時間、地點、單位等屬性，

輸出標準化：按照標準協議與工業互聯網平臺數據池進行對接

數據安全

區域性部署：可以應用戶要求部署在其內網

并行部署：可以通過并行部署，網關上聯多個服務器，確保用戶的可靠性需求

數據回滾能力：可以應工業互聯網平臺要求對數據進行一定期限內的回滾，保證數據在一定時間段內不丟失

4、智能運維

開發一套基于移動APP的智能運維系統，為運維人員提供有效幫助，提供效率、降低人員成本、保證系統運行質量和數據的有效性。

運維人員管理

對運維人員的信息、定位、工作狀況管理

巡檢任務管理

對部署的硬件和相關工作環境定期巡查的任務制定、下發、執行過程和結果的記錄和管理

臨時故障處理

對系統自動告警和現場突發狀況的應急處理能力，包括人員調配、處理流程提示和建議、相關情況處置參考案例、后續統計追蹤等。

網關核心板實物照片