人工智能在智慧電力倉儲系統(tǒng)中運(yùn)用范文

本站小編為你精心準(zhǔn)備了人工智能在智慧電力倉儲系統(tǒng)中運(yùn)用參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：圍繞電力倉儲系統(tǒng)的現(xiàn)狀及基于邊緣計(jì)算代理的智能倉儲實(shí)際需求出發(fā)，首先，介紹智能倉儲系統(tǒng)的系統(tǒng)架構(gòu)及主要工作流程，然后，根據(jù)職能倉儲對邊緣計(jì)算代理裝置智能化的需求，著重探討在智能倉儲系統(tǒng)應(yīng)用中，人工智能算法的設(shè)計(jì)需要面對和解決的主要問題。

關(guān)鍵詞：人工智能；智慧倉儲；邊緣計(jì)算

0引言

隨著更多的數(shù)據(jù)接入電力物聯(lián)網(wǎng)網(wǎng)絡(luò)，一方面大量異構(gòu)化的數(shù)據(jù)對數(shù)據(jù)安全、協(xié)議轉(zhuǎn)換、數(shù)據(jù)分發(fā)等提出了更高的要求；另一方面經(jīng)過幾年發(fā)展，云計(jì)算存在的帶寬消耗大、實(shí)時(shí)性差、安全風(fēng)險(xiǎn)、能耗大等問題日益明顯，邊緣側(cè)數(shù)據(jù)就地處理在業(yè)務(wù)實(shí)時(shí)性、數(shù)據(jù)的優(yōu)化、應(yīng)用的智能等方面體現(xiàn)出了更大的優(yōu)勢。針對電力物資倉儲智能化管控的場景，當(dāng)前管控系統(tǒng)初步實(shí)現(xiàn)了自動識別、智能干預(yù)、全景監(jiān)控，但是在數(shù)據(jù)處理細(xì)節(jié)上依然存在著安全加密不足、數(shù)據(jù)轉(zhuǎn)發(fā)效率低下、邊緣側(cè)數(shù)據(jù)處理壓力大等問題。本文將先對智慧倉儲系統(tǒng)硬件架構(gòu)和系統(tǒng)流程進(jìn)行討論，然后再討論人工智能算法如何在智慧倉儲系統(tǒng)中應(yīng)用，可以實(shí)現(xiàn)倉儲監(jiān)控?cái)?shù)據(jù)多種通訊方式集中接入，自動數(shù)據(jù)協(xié)議轉(zhuǎn)換，內(nèi)外網(wǎng)數(shù)據(jù)打通，邊緣數(shù)據(jù)加速處理等功能，提高數(shù)據(jù)處理實(shí)時(shí)性、數(shù)據(jù)傳輸安全性和數(shù)據(jù)利用效率。

1基于邊緣物聯(lián)代理的智慧倉儲系統(tǒng)

基于邊緣物聯(lián)代理技術(shù)的倉儲系統(tǒng)是新時(shí)代的智慧倉儲系統(tǒng)，它以泛在感知連接為手段，利用各類傳感器、終端設(shè)備，集合不同通信網(wǎng)絡(luò)線路、接入方式、安全防護(hù)手段，采用功能構(gòu)造和部署應(yīng)用模式，匯聚不同集成模式數(shù)據(jù)源，通過人工智能進(jìn)行數(shù)據(jù)分析，實(shí)現(xiàn)分級式的數(shù)據(jù)處理和傳遞，使倉儲系統(tǒng)具備實(shí)時(shí)性和可擴(kuò)展復(fù)制，解決上述現(xiàn)有倉儲系統(tǒng)的種種不足。

1．1智慧倉儲系統(tǒng)的硬件架構(gòu)

典型智慧倉儲系統(tǒng)的硬件架構(gòu)如圖1所示，它一般由5個(gè)硬件系統(tǒng)組成。（1）全景監(jiān)控系統(tǒng)包括監(jiān)控?cái)z像頭陣列，通過網(wǎng)絡(luò)接入。（2）環(huán)境監(jiān)控系統(tǒng)包括溫濕度、光照傳感器，通過RS485串口接入，邊緣物聯(lián)代理平臺。（3）智能無人終端包括UWB定位系統(tǒng)，巡視機(jī)器人，無人機(jī)。（4）環(huán)境控制終端包括燈光控制，風(fēng)扇控制。（5）告警系統(tǒng)包括短信告警與聲光告警。

1．2智慧倉儲系統(tǒng)的主要工作流程

典型智慧倉儲系統(tǒng)的主要工作流程如圖2所示。其流程如下。（1）全景監(jiān)控系統(tǒng)布點(diǎn)由槍機(jī)攝像頭陣列與多個(gè)球機(jī)攝像頭組成，實(shí)時(shí)采集庫區(qū)的視頻數(shù)據(jù)，可通過邊緣物聯(lián)代理上傳至上級平臺，同時(shí)也可通過大屏幕展示。物聯(lián)代理裝置可對收到的視頻進(jìn)行智能分析，包括人臉識別、安全帽和工裝識別、區(qū)域周界監(jiān)測、叉車位置識別等，并將實(shí)時(shí)分析的結(jié)果和告警上報(bào)給上級平臺展示。（2）環(huán)境數(shù)據(jù)、定位數(shù)據(jù)直接接入邊緣物聯(lián)代理平臺。物聯(lián)代理通過環(huán)境監(jiān)測數(shù)據(jù)發(fā)現(xiàn)環(huán)境異常，并結(jié)合定位數(shù)據(jù)分析得到異常點(diǎn)位，繼而控制機(jī)器人到相應(yīng)位置巡檢。（3）邊緣物聯(lián)代理平臺可對環(huán)境數(shù)據(jù)進(jìn)行處理分析，根據(jù)相應(yīng)邏輯，自動控制燈光、風(fēng)扇等設(shè)備。（4）邊緣物聯(lián)代理平臺可直接控制巡視機(jī)器人，為其下達(dá)任務(wù)，也可處理相關(guān)巡視圖像數(shù)據(jù)。

2人工智能技術(shù)在智慧倉儲系統(tǒng)的應(yīng)用

對于人工智能（AI）技術(shù)在智慧倉儲系統(tǒng)的應(yīng)用，下面將主要在算法設(shè)計(jì)／應(yīng)用和數(shù)據(jù)處理平臺兩方面進(jìn)行探討。由于深度學(xué)習(xí)已經(jīng)比較成熟且成為主要應(yīng)用，所以這里AI技術(shù)主要圍繞深度學(xué)習(xí)技術(shù)進(jìn)行展開。

2．1人工智能算法設(shè)計(jì)／應(yīng)用

在智慧倉儲系統(tǒng)中，主要圍繞以下幾個(gè)核心算法進(jìn)行討論。

（1）人臉識別

人臉檢測／定位技術(shù)實(shí)際上是基于圖像分類＋檢測框架基礎(chǔ)上，圍繞人臉的小目標(biāo)特性進(jìn)行優(yōu)化設(shè)計(jì)的算法，從2016年流行的多任務(wù)框架概念起，將人臉檢測（分類）和人臉框位置矯正（回歸）以及人臉關(guān)鍵點(diǎn)定位、姿態(tài)、表情等屬性的檢測相結(jié)合統(tǒng)一進(jìn)行設(shè)計(jì)。目前，人臉檢測算法如Reti－naFace［1］、BlazeFace［2］、基于輕量型神經(jīng)網(wǎng)絡(luò)，已經(jīng)實(shí)現(xiàn)在移動CPU上對人臉的實(shí)時(shí)檢測。國內(nèi)人臉識別技術(shù)水平也非常高。根據(jù)美國國家標(biāo)準(zhǔn)與技術(shù)研究院（NIST）的2018年全球人臉識別算法測試（FRVT）結(jié)果，共有39家企業(yè)和機(jī)構(gòu)參與本次競賽，前5名算法被中國公司包攬，其中依圖科技算法包攬前兩名，商湯科技獲得第三第四名，中科院深圳先進(jìn)技術(shù)研究院獲得第五名。模型容量也是應(yīng)用關(guān)注的關(guān)鍵問題，目前已經(jīng)出現(xiàn)模型容量僅為1MB［3］，效果不弱于主流算法的人臉檢測算法。另外，對10×10像素的小目標(biāo)人臉檢測，目前檢測精度也達(dá)到實(shí)用水平。

（2）行人檢測、人體姿態(tài)檢測和行為識別

行人檢測（又稱人體識別）一直是計(jì)算機(jī)視覺研究中的熱點(diǎn)和難點(diǎn)。由于人體具有相當(dāng)?shù)娜嵝裕虼藭懈鞣N姿態(tài)和形狀，其外觀受穿著、姿態(tài)、視角等影響非常大，另外還面臨遮擋、光照等因素的影響。基于深度學(xué)習(xí)的通用目標(biāo)檢測框架，如Faster－RCNN［4］、SSD［5］、FPN［6］、YOLO［7］等，這些算法都可以直接應(yīng)用到行人檢測的任務(wù)中。最近，國防大學(xué)／自動化所及其聯(lián)合團(tuán)隊(duì)將行人檢測問題轉(zhuǎn)化為高級語義特征檢測問題，提出CSP算法［8］，在Caltech和CityPersons數(shù)據(jù)集上都取得最好的結(jié)果。CSP算法使用了ResNet－50的主干網(wǎng)絡(luò)，推理時(shí)間為0．33秒／圖像。人體檢測同時(shí)可以增加對人體屬性的檢測和識別，例如工作服穿戴的問題，這在智能倉儲應(yīng)用中有著比較重要現(xiàn)實(shí)需求。

（3）車輛檢測與識別

車輛管理是智慧庫區(qū)對于庫區(qū)內(nèi)部秩序管理、安全管理的重要組成部分。通過車輛檢測可以獲取車輛進(jìn)入庫區(qū)外圍的行駛情況。車輛檢測由于車輛鋼體的性質(zhì)，相對于人體／人臉檢測難度要低，對于追求實(shí)時(shí)性的邊緣計(jì)算應(yīng)用場景中，基于諸如MobileNetV1／2／3輕量網(wǎng)絡(luò)結(jié)構(gòu)的SSD算法實(shí)現(xiàn)是一個(gè)非常不錯(cuò)的選擇。車輛違停為庫區(qū)交通安全、貨物運(yùn)輸安全帶來隱患。通過違停檢測模塊對違停車輛進(jìn)行記錄懲罰，可以有效降低庫區(qū)內(nèi)的事故隱患風(fēng)險(xiǎn)。目標(biāo)檢測算法可以給出車輛的位置信息。對于人工設(shè)定的違停區(qū)域檢測到的車輛，通過目標(biāo)檢測常用的IoU跟蹤方法可以快速準(zhǔn)確地識別車輛違停檢測與識別。

2．2數(shù)據(jù)處理平臺設(shè)計(jì)

對于數(shù)據(jù)處理平臺設(shè)計(jì)，這里只探討應(yīng)用中2個(gè)非常重要的共性問題。

2．2．1神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

邊緣計(jì)算只完成深度學(xué)習(xí)的前向推理工作，所以只關(guān)注主干網(wǎng)絡(luò)的設(shè)計(jì)。主干神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)通常為深度學(xué)習(xí)算法設(shè)計(jì)的一部分，而在實(shí)際應(yīng)用中，主干神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)及選擇與邊緣計(jì)算的數(shù)據(jù)處理硬件平臺設(shè)計(jì)的關(guān)系更加緊密。另外，現(xiàn)有的很多通用深度學(xué)習(xí)算法框架可以使用不同的神經(jīng)網(wǎng)絡(luò)框架設(shè)計(jì)。近幾年，各種輕量神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)不斷涌現(xiàn)。神經(jīng)網(wǎng)絡(luò)框架設(shè)計(jì)可以先采用自上而下的設(shè)計(jì)，首先從現(xiàn)有主流的輕量神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中選擇，作為初步候選的神經(jīng)網(wǎng)絡(luò)。現(xiàn)有主流的輕量神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括SqueezeNet系列、MobileNet系列、ShuffleNet系列、Xception系列、最新的GhostNet等，最初主要通過高效新穎的卷積方式和合理輕小的卷積核模塊設(shè)計(jì)實(shí)現(xiàn)高效的輕量神經(jīng)網(wǎng)絡(luò)。而最新的MobileNetV3和EfficientNet則直接采用自動神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索方法和策略設(shè)計(jì)出來的。最近，華為諾亞方舟實(shí)驗(yàn)室提出了輕量網(wǎng)絡(luò)GhostNet［9］，在ImageNet分類任務(wù)Top－1正確率75．7％，高于MobileNetV3的75．2％。如果初始選擇的主干網(wǎng)絡(luò)通過訓(xùn)練給出的系統(tǒng)性能相對于應(yīng)用需求還有一定的余量，那么這個(gè)神經(jīng)網(wǎng)絡(luò)還可以采用現(xiàn)有成熟的各種剪枝方法進(jìn)行優(yōu)化設(shè)計(jì)。

2．2．2深度學(xué)習(xí)硬件平臺選擇

類似智能倉儲系統(tǒng)的深度學(xué)習(xí)硬件平臺屬于工作環(huán)境相對惡劣的工業(yè)應(yīng)用場景，如果采用云平臺常用的CPU或GPU集群，一般需要附加更多的外設(shè)／維護(hù)部件，系統(tǒng)成本比較高。而現(xiàn)有的基于ARMCPU芯片的系統(tǒng)算力較低，只適合完成整個(gè)倉儲系統(tǒng)主控系統(tǒng)的實(shí)現(xiàn)。目前，市場上已經(jīng)出現(xiàn)一些面向邊緣計(jì)算的AI芯片產(chǎn)品，基于這些AI芯片的硬件平臺應(yīng)該是智能倉儲系統(tǒng)中實(shí)現(xiàn)深度學(xué)習(xí)算法的硬件平臺比較理想的選擇。智能倉儲邊緣計(jì)算的應(yīng)用更接近于嵌入式工業(yè)環(huán)境應(yīng)用。在實(shí)際系統(tǒng)中，深度學(xué)習(xí)使用AI芯片進(jìn)行推理計(jì)算，在追求計(jì)算效率提升的同時(shí)，不僅要考慮存儲空間的效率提升和制約，還要考慮功耗的效率提升和制約。所以，在芯片選擇中，更傾向于整數(shù)計(jì)算能力這一指標(biāo)。這在系統(tǒng)應(yīng)用中還要考慮神經(jīng)網(wǎng)絡(luò)模型系數(shù)量化帶來的性能損失。

3總結(jié)

以人工智能的前向推理應(yīng)用為核心的邊緣計(jì)算技術(shù)已經(jīng)基本成熟，基于邊緣計(jì)算代理的智能倉儲系統(tǒng)可以為國家電網(wǎng)公司實(shí)現(xiàn)“三型兩網(wǎng)”的戰(zhàn)略目標(biāo)。

作者：施敏達(dá) 仲立軍 張騰 俞涯 顧君佳 黃震宇 單位：國網(wǎng)嘉興供電公司