邊緣智能：關鍵技術與落地實踐

基於邊緣計算這一新型的計算模式，邊緣智能在更加靠近用戶和數據源頭的網絡邊緣側訓練和部署深度學習模型，
從而改善應用的性能、成本和隱私性。
本書以深入淺出的方式，講解邊緣智能體系架構和關鍵技術，從時代宏觀背景引領到關鍵支撐技術細節剖析，
再到落地實戰應用，理論與實踐並重，循序漸進，博採而精取，
分別向讀者清晰地展現了邊緣智能的“雲-邊-端”體系架構、
數據與信任、模型與安全、資源與優化的技術脈絡與方法原理。
同時，結合開源平台資源，按照智能安防、智慧電梯、智慧社區、智慧醫療、智慧交通等具體應用場景，
給出所講述理論的落地應用案例和編程開髮指導，旨在平衡知識的深度與廣度，
明確入門與進階路徑，使讀者更加深入全面地理解邊緣智能理論及實踐方法。

高志強

軍隊指揮學武警信息化研究方向博士，畢業於中國人民武裝警察部隊工程大學，武警部隊首屆軍事大數據工程專業籌備組成員。
作為骨干成員參與研製多項武警部隊信息化裝備及平台系統，
參與國家自然科學基金2項、陝西省自然科學基金1項。
主要研究方向：深度學習、大數據與智能計算、
面向大數據開放與治理的差分隱私保護數據發布關鍵技術研究及應用、粒子群優化算法等。

魯曉陽

軍事學學士，主要研究領域為信息安全中的信息隱藏技術，
參與多項國家和軍隊級科研項目，出版人工智能領域專著2部，
發表學術論文十餘篇。

張榮榮

陝西師範大學軟件工程學士，西南大學計算機應用技術碩士，
研究方向為人工智能與模式識別，發表學術論文十餘篇，
獲得軟件著作權5項，國家發明專利2項。

目錄
第1章邊緣智能：“智能+”的新風口
1.1邊緣智能產生的“大背景” .1
1.1.1新一代信息技術的推動發展.1
1.1.2國家政策的支持和引導6
1.1.3資本與業務需求的推動7
1.2身邊的邊緣智能“小案例” .8
1.2.1京東快遞與菜鳥驛站8
1.2.2智能快遞櫃收費“風波” .10
1.3邊緣智能發展的三大階段.12
1.3. 1第一階段：邊緣智能探索.12
1.3.2第二階段：“智能+”邊緣.12
1.3.3第三階段：邊緣智能體系.13
1.4站在“智能+”的新風口14
1.4.1 “智能+”技術的新融合.14
1.4.2應用行業的多維度15
1.4.3新興市場的大繁榮16
1.5本章小結.17

第2章何為邊緣智能
2.1邊緣智能的定義18
2.2邊緣智能的前世今生19
2.2.1網絡通信角度的演進20
2.2.2計算服務角度的演進23
2.2.3 “智能+”角度的演進.27
2.3邊緣智能面臨的挑戰及研究方向30
2.3.1面臨的挑戰：安全、智能應用和優化30
2.3.2．研究方向：安全、智能、協同、優化32
2.4邊緣智能的重要應用場景.35
2.4.1無人駕駛.35
文前.indd 1 2021-4-7 8:08:26
ii邊緣智能：關鍵技術與落地實踐
2.4.2智能安防. 36
2.4.3智能家居. 37
2.4.4工業機器人. 38
2.5本章小結. 40

第3章“雲-邊-端”體系架構
3.1系統工程方法論41
3.1.1系統工程概述. 41
3.1.2基本方法. 42
3.2體系架構模型44
3.2.1概念框架. 44
3.2.2層次結構. 46
3.3協同模式. 47
3.3.1 “雲-邊”協同48
3.3.2 “邊-邊”協同49
3.3.3 “邊-端”協同50
3.3.4 “雲-邊-端”協同50
3.4度量指標. 51
3.5前沿方向. 54
3.5.1 “雲-邊-端”區塊鏈54
3.5.2邊緣雲原生容器服務56
3.5.3 “雲-邊-端”一體化機器人系統. 57
3.6本章小結. 59

第4章邊緣智能中的數據與信任
4.1區塊鏈技術概述61
4.1.1基礎架構. 61
4.1.2重要組件. 64
4.1.3主流開源技術. 68
4.2數據管理與隱私保護70
4.2.1數據管理架構. 70
4.2.2隱私保護. 72
4.3邊緣智能中的信任74
4.3.1信任的基本概念74
4.3.2信任管理. 76
4.4解決方案. 78
4.4.1服務模式層面的解決方案. 78
4.4.2部署方式層面的解決方案. 79
4.5前沿方向. 80
4.5.1面向資源受限環境的性能擴展. 80
4.5.2跨域的分佈式信任80
4.5.3智能應用與隱私保護的平衡. 81
4.6本章小結. 81

第5章邊緣智能中的模型與安全
5.1模型壓縮. 83
5.1.1深度神經網絡基礎83
5.1.2模型壓縮方法. 86
5.1.3模型壓縮工具框架90
5.2聯邦學習. 93
5.2.1基本概念. 93
5.2.2安全性分析. 97
5.3解決方案. 100
5.3.1百度聯邦學習框架PaddleFL 100
5.3.2微眾銀行聯邦學習框架FATE . 100
5.3.3騰訊聯邦學習框架AngelFL . 101
5.3.4平安科技聯邦學習平台“蜂巢” . 101
5.4前沿方向. 102
5.4.1面向“雲-邊-端”應用的模型壓縮102
5.4.2面向邊緣智能的聯邦學習. 103
5.5本章小結. 104

第6章邊緣智能中的資源與優化
6.1計算卸載. 106
6.1.1基本流程. 106
6.1.2運行機制. 108
6.1.3策略分類. 109
6.2資源分配優化111
6.2.1最優化理論基礎112
6.2.2馬爾可夫決策過程112
6.2.3深度強化學習. 113
6.2.4資源分配優化問題建模115
6.3解決方案. 118
6.3.1面向不可分割任務的計算卸載方案. 118
6.3.2面向可分割任務的協同計算卸載方案118
6.3.3多節點資源分配方案120
6.4前沿方向. 122
6.4.1新型計算卸載策略122
6.4.2 “雲-邊-端”高效的資源分配優化模型123
6.4.3數據安全協同模式解決安全性問題. 123
6.5本章小結. 124

第7章智能安防場景下的邊緣智能實踐
7.1實踐背景. 125
7.1.1智能安防的發展、挑戰和新要求. 125
7.1.2危險物品檢測. 129
7.2技術梳理. 130
7.2.1視覺目標檢測. 130
7.2.2輕量級卷積神經網絡132
7.3實踐案例：基於Jetson Nano的槍支檢測134
7.3.1基礎環境準備. 134
7.3.2數據集準備. 136
7.3.3模型訓練. 138
7.3.4測試部署. 139
7.4本章小結. 140
參考資源141

第8章智慧電梯場景下的邊緣智能實踐
8.1實踐背景. 142
8.1.1智慧電梯：無接觸式交互的“垂直出行” 142
8.1.2智能語音：人機交互的“私人助手” 144
8.2技術梳理. 146
8.2.1語音識別：人工智能關鍵步驟. 146
8.2.2智慧電梯語音指令識別流程. 152
8.3實踐案例：基於深度神經網絡的通用電梯語言指令識別. 153
8.3.1基礎環境與數據集構建153
8.3.2模型設計與訓練154
8.3.3性能測試. 156
8.4實踐案例：基於樹莓派的可編程電梯語音識別. 157
8.4.1基礎環境. 157
8.4.2 GPIO編程. 157
8.4 .3部署測試. 160
8.5本章小結. 161
參考資源161

第9章智慧社區場景下的邊緣智能實踐
9.1實戰背景. 163
9.1.1智慧社區：民生的智慧“生活圈” . 163
9.1.2社區中生活垃圾分類166
9.2技術梳理. 168
9.2.1垃圾圖像分類. 168
9.2.2聯邦學習. 171
9.3實踐案例：基於聯邦學習的垃圾圖像分類174
9.3.1基礎環境：FATE 174
9.3.2數據集構建. 176
9.3.3模型構建. 177
9.3.4訓練與測試結果179
9.4本章小結. 180
參考資源181

第10章智慧醫療場景下的邊緣智能實踐
10.1實踐背景. 182
10.1.1智慧醫療：患者數據獲取、知識發現和遠程服務模式. 182
10.1.2醫療數據隱私保護184
10.2技術梳理. 186
10.2.1聯盟區塊鏈醫療數據管理. 186
10.2.2雲原生軟件開發190
10.3實踐案例：基於聯盟區塊鏈的醫療數據隱私保護方案193
10.3 .1總體框架設計193
10.3.2基礎環境部署193
10.3.3功能實現. 196
10.4本章小結. 199
參考資源200

第11章智慧交通場景下的邊緣智能實踐
11.1實踐背景201
11.1.1智慧交通：“雲-邊-端”架構下“人-車-路”協同201
11.1.2計算機視覺. 205
11.2技術梳理207
11.2.1車牌識別. 207
11.2.2智慧交通應用系統設計. 209
11.3實踐案例：基於計算機視覺的智慧交通應用系統實現212
11.3.1基礎環境搭建212
11.3.2功能實現. 214
11.4本章小結219
參考資源219

第12章開源平台
12.1面向終端的邊緣智能開源平台. 220
12.1.1 EdgeX Foundry：工業場景標準化智能框架220
12.1. 2 Fledge：獨立開放互操作智能框架221
12.1.3 ioFog：Eclipse開發的邊緣智能平台. 223
12.1.4 Edgent：Apache開源的邊緣智能模型. 224
12.2面向邊端的邊緣智能開源平台. 225
12.2.1 Akraino Edge Stack：高性能邊端服務框架. 225
12.2.2 CORD：靈活重構的網絡邊緣基礎設施. 226
12.2.3 StarlingX：面向邊緣智能的OpenStack集成平台. 227
12.3面向“雲-邊-端”協同的邊緣智能開源平台. 229
12.3.1 OpenEdge：百度雲計算能力的智能拓展. 229
12.3.2 Azure IoT Edge：微軟雲邊混合智能框架230
12.3.3 KubeEdge：CNCF雲原生服務的邊緣智能基礎設施231
12.3.4 Link Edge：阿里雲一體化協同計算體系. 231
12.3.5 IEF：華為雲企業級邊緣智能服務. 232
12.4本章小結. 234
參考資源234
參考文獻