5G+边缘计算拉开中国“智造”大幕
在工业制造领域，5G与边缘计算的结合相得益彰。一方面，5G网络通信保障了数据本地化处理的实时性与稳定性；另一方面，通过将计算从数据中心向边缘下沉，可以更好地将低时延特性作用到终端设备上。
工业化革命的进程在某种程度上也代表了人类社会的发展进程，自先后经历了机械化、电气化、自动化三个阶段后，工业制造业已经正式迈进了以网络化、数字化、智能化为代表的工业4.0阶段。
面对奔涌而来的数字化浪潮，工业制造领域凭借其得天独厚的数据规模优势，成为了转型升级的先行者。在5G、AIoT、边缘计算等技术助力企业降本增效的同时，工厂里遍布的产线、设备和机器以及由此产生的海量数据也为新兴技术的发展与融合提供了肥沃的土壤。
具体而言，5G的大带宽、低时延、高可靠特性在保障传输速率的同时，使得成百上千的设备实现了一张网的全覆盖；边缘计算的出现则有效弥补了云计算在时效性、传输距离、安全性等方面的不足，从而进一步推动了智能制造落地。二者的结合更是相得益彰，一方面，5G网络通信保障了数据本地化处理的实时性与稳定性；另一方面，通过将计算从数据中心向边缘下沉，可以更好地将低时延特性作用到终端设备上。
5G+边缘计算引领智能制造
6月7日，工信部发布了《工业互联网专项工作组2021年工作计划》，将深化“5G+工业互联网”列为重点工作，并明确提出将建设5G全连接工厂，加快典型场景推广。不难看出，5G深度应用于工业制造领域已是大势所趋，而5G在工厂内也的确“如鱼得水”。
5G的“易部署”，消除了旧工厂升级改造过程中的重重障碍，让工程实施变得更加容易；5G的“低时延”，让重要数据可以及时回传，保证关键业务的连续性；5G的“高可靠”，大大减少了机器设备因通信干扰造成的“失联”现象；5G的“大带宽”，使得工厂内的视频数据可以被上传到云端进行统一的处理；5G的“广连接”，使得成百上千台机械设备都可以实现一张网的全覆盖。
同时，随着越来越多的终端设备接入5G网络，随之而来的数据量也与日俱增，无疑对后端计算提出了更大的挑战。此外，工业数字化场景对响应时间要求极高，若要实现真正的“无人工厂”就必须保证及时、精准反馈，任何的网络延迟都可能为工厂带来无法逆转的损失，尤其是现场环境监测、故障预测及报警等高危、高频场景下的数据处理必须达到“低时延”。
在数据传输阶段，5G的空中接口时延低至1ms；而在数据处理阶段，传统的云计算多部署于数据中心，受困于技术与传输距离，时效性是其始终难以突破的痛点，但融合了网络、计算、存储以及应用处理能力的边缘计算，部署在靠近用户与数据源头的边缘节点，就近提供数据处理服务并回传用户，能够有效缩短时延。
在工业数字化转型过程中所暴露出来的种种痛点也为5G与边缘计算提供了良好的落地环境。首先，制造企业对生产安全要求非常高，但工厂目前仍然属于劳动密集型产业，人工管理成本高，管理人员的紧缺以及单纯依靠人员管理所造成的疏漏而导致的意外事故频繁发生。其次，在产品批量生产制作过程中，由于生产作业时间过长、检测人员视觉疲劳以及缺乏检测培训、检测标准不一致等问题，致使产品次品率提升。在此需求之上，越来越多的5G与边缘计算融合应用已成功落地工厂。
以工业产品的瑕疵检测为例，一个看起来毫不起眼的缺陷或瑕疵，轻则致使企业的商誉和财产遭受损失，重则甚至会导致伤亡事故的发生，仅靠传统的人工检测手段无法保证准确率，且效率低、成本高，所以很多企业正在用摄像头替代人眼进行质量的检测和瑕疵的识别。这个过程中，不但需要基于5G“大带宽”的特性实现数据的采集和传输，还需要利用人工智能技术在边缘侧或云端快速且准确地对图像和视频进行视觉异常检测。
针对于此，中科创达早在2018年就推出了工业视觉检测一站式解决方案——智慧工业ADC (Automatic Defect Classification)系统，包含缺陷自动化分类、新产品迭代数据清洗、业务作业员认证三个子系统，从作业员技能认证、数据集更新到新产品导入，贯穿工业检测的整个生命周期，有效帮助制造企业减少75%的工作量，产能提升35倍。相比人工检测，漏检率下降3%，准确率提升99%。
工厂内典型的5G+边缘计算应用场景
依托于5G+边缘计算的技术融合，工业视觉、AR远程协助、AI视频监控、多机器人协作等场景得以快速落地。
工业视觉
工业视觉用于自动检验、工件加工和装配自动化以及生产过程的控制和监视的图像识别。通过 4K、8K 等高清摄像头、工业相机采集生产线上产品的图像信息，将图像进行处理、分析和理解，以识别各种场景下的目标和对象，实时检测生产线上产品的质量，包括外观缺陷检测、尺寸检测、图案检测等，以达到对产品质量检测的高精度、实时性、高效率的目的，可以最大程度替代人工质检，降低企业成本，提升质检的效率和效果。
工业视觉需要采集分析大量的图像信息，并做出实时的反馈控制，要求大带宽、低时延，因此工业视觉场景中需要结合 5G+边缘计算。通过 5G 的高上行带宽进行图像信息的传送，满足工业视觉大带宽的需求；结合边缘计算平台部署的机器视觉 AI 算法完对产品的快速检测，此外还需与云端进行协同进行大数据存储、AI 算法训练。
AR远程协助
AR远程协助可以支持员工学习、培训、交流，提供操作示范、导引，提醒生产过程注意事项及操作细节。AR 类应用旨在为使用者提供身临其境的真实体验，但如果设备无法及时捕捉用户动作变化，画面就会产生偏移，造成拖影，远程协助也不能达到最佳效果，因此此类场景对网络的时延和带宽有着很高的要求。
边缘计算平台可以提供转码、渲染、三维重建、物体识别、AR内容管理等能力，为AR远程协助提供业务的近端实时处理和低时延保障；而5G则可以保证AR远程协助大的大带宽需求。
AI视频监控
该类应用主要分为安防监控及生产线监控两大场景，包括园区办公室监控、仓库监控、园区出入监控、生产线设备异常、操作人员行为、是否戴安全帽、车间人员是否按规定路线行走等，以及在生产过程中对生产线设备及操作人员行为异常进行识别，增强产线安全和可靠性，为产线工序定义操作红线，关键操作不能有遗漏。
AI视频监控场景会记录园区中的大量信息，因此对数据的隐私性有要求，同时其需要对大量的视频数据进行实时分析，因此对带宽和时延有很高的要求。故而借助5G+边缘计算技术，管理者能够在现场部署视频监控，并在边缘侧进行实时数据分析比对，快速甄别异常事件。
多机器人协作
工厂内用于作业的工业机器人、物料配送的移动机器人等都具有内部传感器和感知周围环境的外部传感器，可以通过融合 C2C 技术进行信息交互与自主决策，完成复杂的作业，实现人机、机机之间的有效配合，保证安全、可靠的工作。
在多机器人协作过程中，需要传输两类信息：一类是状态类信息，包括机器人的状态及环境信息，如关节的位置、速度，这类信息是从底层机器人端到控制端的反馈或机器人之间的信息传递，信息量较大，实时性要求高；另一类是控制类信息，从控制端到机器人的控制命令信息，这类信息对数据的安全性和可靠性有较高要求。因此多机器人协作的主要需求便是低时延、高可靠、实时反馈，与5G+边缘计算“不谋而合”。
针对于上述场景需求，由中科创达与高通公司共同出资成立的创通联达Thundercomm 于今年3月正式发售了为边缘计算应用场景设计和研发的一款软硬件一体化产品——Thundercomm EB5边缘智能站，该产品融合了“5G+AI+Edge”技术：
在硬件设计上，它提供了最高主频为2.84GHz的8核CPU 15T算力， 8GB LPDDR5内存，能够支持24路全高清视频解码及多种AI推理模型并发，支持5G 和WiFi6 连接，同时采用工业级无风扇散热设计，使该产品能够完美应对各种苛刻的使用环境要求；
在软件方面，Thundercomm EB5边缘智能站内置智能边缘操作系统，以及人脸识别、人形检测、边界检测、车牌识别等多种算法，可提供面向楼控设备、人脸抓拍机、网络摄像机、NVR等多种设备接入能力，以及端边云协同、远程算法和应用的部署、升级等功能。
中科创达产品经理姚洋将在6月17日开幕的高通人工智能&物联网开发技术开放日·重庆站的活动中具体介绍中科创达EB5边缘智能站的应用案例，扫描下方二维码即可报名参与活动！