-
更好的連接，實(shí)現(xiàn)更智能的交通 在交通運(yùn)輸行業(yè)，一堆技術(shù)將不再奏效。你不能簡(jiǎn)單地以特別的方式添加箱子和服務(wù)，并期望在他們需要的時(shí)候把你的貨物和人員送到他們需要的地方。將交通子系統(tǒng)與實(shí)時(shí)通信連接起來(lái)的整體方法是智能交通和未來(lái)的基礎(chǔ)。 以更快的速度、更低的成本和更低的風(fēng)險(xiǎn)運(yùn)送更多的人和貨物是當(dāng)今面臨的諸多挑戰(zhàn)之一。在全球健康危機(jī)之前，人們更多的是為了商務(wù)和娛樂(lè)而旅行，貨物運(yùn)輸也在增加。當(dāng)疫情來(lái)襲時(shí)，運(yùn)輸運(yùn)營(yíng)商不得不幾乎在一夜之間調(diào)整他們的運(yùn)營(yíng)，以利用他們可用的任何數(shù)字技術(shù)。 如果你想繼續(xù)做生意，非接觸式支付、虛擬售貨亭和自動(dòng)化操作很快成為做生意的“事實(shí)”方式。任何可以減少或消除對(duì)人類互動(dòng)或干預(yù)的需求的技術(shù)優(yōu)勢(shì)都被考慮在內(nèi)。 隨著疫情從幾周持續(xù)到幾個(gè)月，并進(jìn)入第二年，提供長(zhǎng)期有效的數(shù)字解決方案的壓力只增不減，這些解決方案不僅僅是對(duì)危機(jī)的快速反應(yīng)。疫情凸顯了運(yùn)輸行業(yè)向更智能環(huán)境轉(zhuǎn)變的必要性，現(xiàn)在世界大部分地區(qū)已恢復(fù)正常運(yùn)轉(zhuǎn)，這種轉(zhuǎn)變?nèi)栽诶^續(xù)。 連通性創(chuàng)造機(jī)遇 從本質(zhì)上講，每個(gè)運(yùn)輸運(yùn)營(yíng)商都需要高效、順暢地通過(guò)他們的系統(tǒng)運(yùn)送人員和貨物，這意味著他們必須同樣高效、順暢地連接系統(tǒng)中的數(shù)據(jù)。挑戰(zhàn)在于，雖然大多數(shù)運(yùn)輸運(yùn)營(yíng)商擁有來(lái)自路線、資產(chǎn)管理、通信、安全、視頻流、乘客和業(yè)務(wù)應(yīng)用程序的大量數(shù)據(jù)，但這些數(shù)據(jù)被隔離在不同的子系統(tǒng)中。 如果子系統(tǒng)不互連，就無(wú)法實(shí)時(shí)跨部門或跨組織角色共享信息。也許更重要的是，錯(cuò)失了利用所有數(shù)據(jù)來(lái)確保貨物和乘客安全流動(dòng)的機(jī)會(huì)。 試想一下，例如，如果電動(dòng)門無(wú)法打開(kāi)，需要發(fā)生什么情況。需要將情況通知維護(hù)人員，以便盡快開(kāi)始調(diào)查和維修。需要規(guī)劃替代路線、資產(chǎn)部署和乘客管理。需要通知旅客延誤、改道或取消的情況。一線員工需要訪問(wèn)所有最新信息以解答乘客的疑問(wèn)。未互連的子系統(tǒng)會(huì)造成延誤、不確定性和不安全性，并可能對(duì)情況產(chǎn)生巨大的負(fù)面影響。這在澳大利亞這樣一個(gè)幅員遼闊的國(guó)家尤其嚴(yán)重，因?yàn)樵搰?guó)嚴(yán)重依賴長(zhǎng)途運(yùn)輸和互連運(yùn)輸服務(wù)。 但是，相連的子系統(tǒng)可以執(zhí)行預(yù)先確定的協(xié)議，確保維修及時(shí)進(jìn)行，并讓乘客了解每個(gè)階段的進(jìn)展情況。此外，還有其他機(jī)會(huì)可以利用數(shù)據(jù)實(shí)現(xiàn)更智能的交通環(huán)境，包括： 優(yōu)化路線規(guī)劃和資產(chǎn)管理：子系統(tǒng)之間共享實(shí)時(shí)數(shù)據(jù)可確保交通運(yùn)營(yíng)平穩(wěn)、按時(shí)進(jìn)行，并最大限度地減少浪費(fèi)。結(jié)合和分析來(lái)自 Wi-Fi 和票務(wù)子系統(tǒng)的數(shù)據(jù)可以突出顯示需求水平變化的趨勢(shì)，使運(yùn)營(yíng)商能夠優(yōu)化燃料、能源或人力資源。基礎(chǔ)設(shè)施投資還可以與預(yù)期的交通流量保持一致，以優(yōu)化預(yù)算。 改善乘客和客戶體驗(yàn)：通過(guò)訪問(wèn)來(lái)自多個(gè)系統(tǒng)的實(shí)時(shí)信息，運(yùn)營(yíng)商可以提供有關(guān)車輛和貨物移動(dòng)的實(shí)時(shí)更新，警告即將發(fā)生的天氣情況，并幫助高效規(guī)劃人員和貨物的端到端旅程。眾所周知，澳大利亞的一些航空公司不再享有過(guò)去享有的崇高聲譽(yù)，如果這些航空公司能夠順利合作改善客戶體驗(yàn)，所有這些因素都可以對(duì)業(yè)務(wù)產(chǎn)生積極影響。 數(shù)據(jù)貨幣化：運(yùn)營(yíng)的整體統(tǒng)計(jì)視圖可以揭示增加收入的新機(jī)會(huì)。例如，交通模式數(shù)據(jù)可以提供洞察力，根據(jù)乘客和客戶的預(yù)期位置為他們提供附近產(chǎn)品和服務(wù)的折扣。 實(shí)現(xiàn)更智能的交通需要連接所有子系統(tǒng)的單一連接基礎(chǔ)。雖然無(wú)線連接是最高效、最經(jīng)濟(jì)、最環(huán)保的連接方式，但選擇最適合每個(gè)位置、系統(tǒng)和應(yīng)用程序的連接選項(xiàng)也很重要。此外，還必須考慮現(xiàn)有的有線連接基礎(chǔ)設(shè)施，例如光纖和以太網(wǎng)。利用現(xiàn)有基礎(chǔ)設(shè)施可簡(jiǎn)化部署，確保您獲得之前投資的最大回報(bào)。不要忘記管理——跨有線和無(wú)線環(huán)境的統(tǒng)一管理系統(tǒng)可無(wú)縫查看所有系統(tǒng)和子系統(tǒng)。 建立連接基礎(chǔ)后，您需要考慮實(shí)現(xiàn)智能運(yùn)營(yíng)所需的技術(shù)，例如： 虛擬化和自動(dòng)化，以簡(jiǎn)化基礎(chǔ)設(shè)施、減少對(duì)硬件的需求并最大限度地減少維護(hù)要求 云技術(shù)，以實(shí)現(xiàn)更智能的自動(dòng)化并提高可持續(xù)性 人工智能和機(jī)器學(xué)習(xí)，實(shí)現(xiàn)富有洞察力的明智決策 融合技術(shù)，將運(yùn)營(yíng)和 IT 系統(tǒng)及子系統(tǒng)整合在一起，以簡(jiǎn)化基礎(chǔ)設(shè)施并最大限度地減少對(duì)環(huán)境的影響 數(shù)據(jù)匿名化，以確保數(shù)據(jù)隱私得到保障 邁向更智能的交通 知識(shí)就是力量，交通子系統(tǒng)連接得越緊密，運(yùn)營(yíng)就越智能、越強(qiáng)大。當(dāng)所有系統(tǒng)互連時(shí)，實(shí)時(shí)信息流可以提供有關(guān)問(wèn)題、延誤和危險(xiǎn)的早期預(yù)警，并為每個(gè)人提供更好的結(jié)果。乘客和貨物的安全可以得到更好的保護(hù)。 -
如何利用計(jì)算機(jī)視覺(jué)進(jìn)行物體檢測(cè)？ 如何利用計(jì)算機(jī)視覺(jué)進(jìn)行物體檢測(cè)？ 物體檢測(cè)是計(jì)算機(jī)視覺(jué)中的一項(xiàng)關(guān)鍵任務(wù)，其使機(jī)器能夠感知和定位圖像或視頻中的物體。這項(xiàng)技術(shù)已嵌入到廣泛的應(yīng)用中，包括自動(dòng)駕駛汽車、人臉識(shí)別系統(tǒng)、零售分析任務(wù)和野生動(dòng)物監(jiān)測(cè)。這個(gè)過(guò)程分若干個(gè)步驟完成，同時(shí)使用專用算法。本文深入探討了物體檢測(cè)的基礎(chǔ)知識(shí)、常用算法以及物體檢測(cè)的分步指南。 什么是物體檢測(cè)？ 物體檢測(cè)是計(jì)算機(jī)視覺(jué)中用于圖像分類的通用術(shù)語(yǔ)。雖然分類會(huì)為圖像分配一個(gè)標(biāo)簽，但物體檢測(cè)會(huì)確定圖像中的多個(gè)對(duì)象，并且通常會(huì)以邊界框的形式顯示其位置。這增加了復(fù)雜性，物體檢測(cè)成為實(shí)際應(yīng)用中更強(qiáng)大的工具。 物體檢測(cè)中的概念 a.邊界框：這指的是在圖像中檢測(cè)到的物體周圍繪制的矩形框。每個(gè)框?qū)粋€(gè)標(biāo)簽，例如狗或汽車，然后是一個(gè)置信度分?jǐn)?shù)，顯示算法對(duì)該物體的正確識(shí)別有多確定。 b.交并比(IoU)：這是應(yīng)用于物體檢測(cè)的度量，用于根據(jù)物體證明檢測(cè)器的準(zhǔn)確性。這會(huì)將真實(shí)值與預(yù)測(cè)的邊界框進(jìn)行比較。這計(jì)算預(yù)測(cè)和真實(shí)邊界框之間的重疊面積與并集面積的比率。 c.置信度分?jǐn)?shù)：這是概率分?jǐn)?shù)，表示模型對(duì)特定邊界框作為感興趣對(duì)象一部分的反應(yīng)自信程度。分?jǐn)?shù)越高，判定越好。 d.非最大抑制（NMS）：NMS是一種抑制重疊嚴(yán)重的冗余邊界框的方法，同時(shí)丟棄除最可能的情況之外的所有其他可能性。 流行的物體檢測(cè)算法 在最流行的算法中，可以列舉卷積神經(jīng)網(wǎng)絡(luò)（CNN）的使用。CNN在圖像分類任務(wù)中表現(xiàn)出色，后來(lái)也擴(kuò)展到處理物體檢測(cè)問(wèn)題。CNN經(jīng)過(guò)訓(xùn)練可以對(duì)圖像中的物體進(jìn)行分類和定位。R-CNN和FastR-CNN是目前應(yīng)用最廣泛的物體檢測(cè)算法。 1.單次檢測(cè)（SSD） SSD是一種基于深度學(xué)習(xí)的標(biāo)準(zhǔn)現(xiàn)代物體檢測(cè)方法。其通過(guò)神經(jīng)網(wǎng)絡(luò)一次性檢測(cè)物體，預(yù)測(cè)物體的邊界框，同時(shí)預(yù)測(cè)類別概率。高速性能使其能夠?qū)崟r(shí)或近實(shí)時(shí)地應(yīng)用于自動(dòng)駕駛汽車和機(jī)器人應(yīng)用。 2.基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)（R-CNN） R-CNN是一種早期的基于深度學(xué)習(xí)的方法，為現(xiàn)代物體檢測(cè)問(wèn)題奠定了基礎(chǔ)。首先，其使用選擇性搜索算法生成區(qū)域提案，然后使用CNN提取每個(gè)提案的特征。這些特征被進(jìn)一步分類和細(xì)化，以提供最終的物體檢測(cè)。雖然有效，但R-CNN隱藏了沉重的計(jì)算負(fù)擔(dān)，每個(gè)提案都需要經(jīng)過(guò)CNN多次，因此與SSD相比耗時(shí)過(guò)多。 3.YOLO 另一種流行的基于深度學(xué)習(xí)的物體檢測(cè)技術(shù)是YOLO。YOLO技術(shù)以驚人的速度和準(zhǔn)確性而聞名。YOLO采用不同的方法，將圖像分成網(wǎng)格，然后預(yù)測(cè)每個(gè)網(wǎng)格單元的邊界框和類別概率。通過(guò)這種方式，YOLO在神經(jīng)網(wǎng)絡(luò)的一次前向傳遞中做出預(yù)測(cè)，使其速度極快，因此適合實(shí)時(shí)應(yīng)用。 4.FasterR-CNN FasterR-CNN擴(kuò)展了R-CNN的方法，提出了一個(gè)與后續(xù)物體檢測(cè)網(wǎng)絡(luò)共享特征的區(qū)域提議網(wǎng)絡(luò)(RPN)。這使得FasterR-CNN比R-CNN更快，同時(shí)具有很高的準(zhǔn)確性。 具體而言，最近開(kāi)發(fā)的基于深度學(xué)習(xí)的方法，例如單次多框檢測(cè)器和更快的R-CNN，已經(jīng)成為流行的方法，因?yàn)樗鼈兡軌蜃詣?dòng)學(xué)習(xí)感興趣的特征，從而在各種應(yīng)用中實(shí)現(xiàn)最先進(jìn)的檢測(cè)性能。 物體檢測(cè)的未來(lái) 未來(lái)幾年，物體檢測(cè)將不斷進(jìn)步、復(fù)雜化、準(zhǔn)確度和速度。基于目前正在開(kāi)發(fā)的新技術(shù)和改進(jìn)技術(shù)，甚至可以期待在具有挑戰(zhàn)性和復(fù)雜條件下實(shí)時(shí)運(yùn)行的物體檢測(cè)系統(tǒng)的出現(xiàn)。 隨著物體檢測(cè)技術(shù)的不斷進(jìn)步，我們可以大膽地推測(cè)，在不久的將來(lái)，其可以在機(jī)器人、醫(yī)療、交通等領(lǐng)域發(fā)揮更大的作用。最后，計(jì)算機(jī)視覺(jué)中物體檢測(cè)的未來(lái)令人興奮且前景光明。 總結(jié) 物體檢測(cè)是計(jì)算機(jī)視覺(jué)的先鋒，因?yàn)槠涫状问箼C(jī)器能夠以無(wú)與倫比的精度感知和理解周圍環(huán)境。從在熙熙攘攘的街道上行駛的自動(dòng)駕駛汽車到加強(qiáng)安全的面部檢測(cè)系統(tǒng)，物體檢測(cè)的應(yīng)用多種多樣且引人注目。本文探討了一些基本概念、流行算法和未來(lái)方向，這些構(gòu)成了強(qiáng)調(diào)物體檢測(cè)是一個(gè)重要而復(fù)雜的主題的基礎(chǔ)。在這方面，隨著技術(shù)的進(jìn)步，物體檢測(cè)變得越來(lái)越復(fù)雜。機(jī)器人、醫(yī)療保健和交通等龐大領(lǐng)域都處于創(chuàng)新的門檻上。物體檢測(cè)確實(shí)有著光明的未來(lái)，包括更多智能視覺(jué)系統(tǒng)的集成，這些系統(tǒng)將成為人類生活的一部分。 常見(jiàn)問(wèn)題解答： 1、計(jì)算機(jī)視覺(jué)中的物體檢測(cè)是什么？ 答：物體檢測(cè)是一種計(jì)算機(jī)視覺(jué)技術(shù)，可識(shí)別和定位圖像或視頻中的對(duì)象。其超越了圖像分類，可檢測(cè)多個(gè)對(duì)象，并使用邊界框提供其位置。 2、物體檢測(cè)與圖像分類有何不同？ 答：圖像分類會(huì)為整幅圖像分配一個(gè)標(biāo)簽，以識(shí)別特定對(duì)象的存在。而物體檢測(cè)會(huì)識(shí)別圖像中的多個(gè)對(duì)象并提供其位置，通常以邊界框的形式顯示。 3、物體檢測(cè)中的邊界框是什么？ 答：邊界框是在圖像中檢測(cè)到的物體周圍繪制的矩形框。其包括標(biāo)識(shí)物體的標(biāo)簽，例如“汽車”或“狗”，和表示模型預(yù)測(cè)確定性的置信度分?jǐn)?shù)。 4、物體檢測(cè)中的交并比(IoU)是什么？ 答：IoU是通過(guò)比較預(yù)測(cè)邊界框和真實(shí)邊界框之間的重疊來(lái)評(píng)估對(duì)象檢測(cè)器準(zhǔn)確率的指標(biāo)。其計(jì)算為兩個(gè)邊界框的交集面積與并集面積之比。 5、有哪些流行的物體檢測(cè)算法？ 答：流行的物體檢測(cè)算法包括單次檢測(cè)(SSD)、基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)(R-CNN)、YOLO和FasterR-CNN。這些算法的速度、準(zhǔn)確性和復(fù)雜度各不相同。 -
如何利用計(jì)算機(jī)視覺(jué)進(jìn)行物體檢測(cè)？ 如何利用計(jì)算機(jī)視覺(jué)進(jìn)行物體檢測(cè)？ 物體檢測(cè)是計(jì)算機(jī)視覺(jué)中的一項(xiàng)關(guān)鍵任務(wù)，其使機(jī)器能夠感知和定位圖像或視頻中的物體。這項(xiàng)技術(shù)已嵌入到廣泛的應(yīng)用中，包括自動(dòng)駕駛汽車、人臉識(shí)別系統(tǒng)、零售分析任務(wù)和野生動(dòng)物監(jiān)測(cè)。這個(gè)過(guò)程分若干個(gè)步驟完成，同時(shí)使用專用算法。本文深入探討了物體檢測(cè)的基礎(chǔ)知識(shí)、常用算法以及物體檢測(cè)的分步指南。 什么是物體檢測(cè)？ 物體檢測(cè)是計(jì)算機(jī)視覺(jué)中用于圖像分類的通用術(shù)語(yǔ)。雖然分類會(huì)為圖像分配一個(gè)標(biāo)簽，但物體檢測(cè)會(huì)確定圖像中的多個(gè)對(duì)象，并且通常會(huì)以邊界框的形式顯示其位置。這增加了復(fù)雜性，物體檢測(cè)成為實(shí)際應(yīng)用中更強(qiáng)大的工具。 物體檢測(cè)中的概念 a.邊界框：這指的是在圖像中檢測(cè)到的物體周圍繪制的矩形框。每個(gè)框?qū)粋€(gè)標(biāo)簽，例如狗或汽車，然后是一個(gè)置信度分?jǐn)?shù)，顯示算法對(duì)該物體的正確識(shí)別有多確定。 b.交并比(IoU)：這是應(yīng)用于物體檢測(cè)的度量，用于根據(jù)物體證明檢測(cè)器的準(zhǔn)確性。這會(huì)將真實(shí)值與預(yù)測(cè)的邊界框進(jìn)行比較。這計(jì)算預(yù)測(cè)和真實(shí)邊界框之間的重疊面積與并集面積的比率。 c.置信度分?jǐn)?shù)：這是概率分?jǐn)?shù)，表示模型對(duì)特定邊界框作為感興趣對(duì)象一部分的反應(yīng)自信程度。分?jǐn)?shù)越高，判定越好。 d.非最大抑制（NMS）：NMS是一種抑制重疊嚴(yán)重的冗余邊界框的方法，同時(shí)丟棄除最可能的情況之外的所有其他可能性。 流行的物體檢測(cè)算法 在最流行的算法中，可以列舉卷積神經(jīng)網(wǎng)絡(luò)（CNN）的使用。CNN在圖像分類任務(wù)中表現(xiàn)出色，后來(lái)也擴(kuò)展到處理物體檢測(cè)問(wèn)題。CNN經(jīng)過(guò)訓(xùn)練可以對(duì)圖像中的物體進(jìn)行分類和定位。R-CNN和FastR-CNN是目前應(yīng)用最廣泛的物體檢測(cè)算法。 1.單次檢測(cè)（SSD） SSD是一種基于深度學(xué)習(xí)的標(biāo)準(zhǔn)現(xiàn)代物體檢測(cè)方法。其通過(guò)神經(jīng)網(wǎng)絡(luò)一次性檢測(cè)物體，預(yù)測(cè)物體的邊界框，同時(shí)預(yù)測(cè)類別概率。高速性能使其能夠?qū)崟r(shí)或近實(shí)時(shí)地應(yīng)用于自動(dòng)駕駛汽車和機(jī)器人應(yīng)用。 2.基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)（R-CNN） R-CNN是一種早期的基于深度學(xué)習(xí)的方法，為現(xiàn)代物體檢測(cè)問(wèn)題奠定了基礎(chǔ)。首先，其使用選擇性搜索算法生成區(qū)域提案，然后使用CNN提取每個(gè)提案的特征。這些特征被進(jìn)一步分類和細(xì)化，以提供最終的物體檢測(cè)。雖然有效，但R-CNN隱藏了沉重的計(jì)算負(fù)擔(dān)，每個(gè)提案都需要經(jīng)過(guò)CNN多次，因此與SSD相比耗時(shí)過(guò)多。 3.YOLO 另一種流行的基于深度學(xué)習(xí)的物體檢測(cè)技術(shù)是YOLO。YOLO技術(shù)以驚人的速度和準(zhǔn)確性而聞名。YOLO采用不同的方法，將圖像分成網(wǎng)格，然后預(yù)測(cè)每個(gè)網(wǎng)格單元的邊界框和類別概率。通過(guò)這種方式，YOLO在神經(jīng)網(wǎng)絡(luò)的一次前向傳遞中做出預(yù)測(cè)，使其速度極快，因此適合實(shí)時(shí)應(yīng)用。 4.FasterR-CNN FasterR-CNN擴(kuò)展了R-CNN的方法，提出了一個(gè)與后續(xù)物體檢測(cè)網(wǎng)絡(luò)共享特征的區(qū)域提議網(wǎng)絡(luò)(RPN)。這使得FasterR-CNN比R-CNN更快，同時(shí)具有很高的準(zhǔn)確性。 具體而言，最近開(kāi)發(fā)的基于深度學(xué)習(xí)的方法，例如單次多框檢測(cè)器和更快的R-CNN，已經(jīng)成為流行的方法，因?yàn)樗鼈兡軌蜃詣?dòng)學(xué)習(xí)感興趣的特征，從而在各種應(yīng)用中實(shí)現(xiàn)最先進(jìn)的檢測(cè)性能。 物體檢測(cè)的未來(lái) 未來(lái)幾年，物體檢測(cè)將不斷進(jìn)步、復(fù)雜化、準(zhǔn)確度和速度。基于目前正在開(kāi)發(fā)的新技術(shù)和改進(jìn)技術(shù)，甚至可以期待在具有挑戰(zhàn)性和復(fù)雜條件下實(shí)時(shí)運(yùn)行的物體檢測(cè)系統(tǒng)的出現(xiàn)。 隨著物體檢測(cè)技術(shù)的不斷進(jìn)步，我們可以大膽地推測(cè)，在不久的將來(lái)，其可以在機(jī)器人、醫(yī)療、交通等領(lǐng)域發(fā)揮更大的作用。最后，計(jì)算機(jī)視覺(jué)中物體檢測(cè)的未來(lái)令人興奮且前景光明。 總結(jié) 物體檢測(cè)是計(jì)算機(jī)視覺(jué)的先鋒，因?yàn)槠涫状问箼C(jī)器能夠以無(wú)與倫比的精度感知和理解周圍環(huán)境。從在熙熙攘攘的街道上行駛的自動(dòng)駕駛汽車到加強(qiáng)安全的面部檢測(cè)系統(tǒng)，物體檢測(cè)的應(yīng)用多種多樣且引人注目。本文探討了一些基本概念、流行算法和未來(lái)方向，這些構(gòu)成了強(qiáng)調(diào)物體檢測(cè)是一個(gè)重要而復(fù)雜的主題的基礎(chǔ)。在這方面，隨著技術(shù)的進(jìn)步，物體檢測(cè)變得越來(lái)越復(fù)雜。機(jī)器人、醫(yī)療保健和交通等龐大領(lǐng)域都處于創(chuàng)新的門檻上。物體檢測(cè)確實(shí)有著光明的未來(lái)，包括更多智能視覺(jué)系統(tǒng)的集成，這些系統(tǒng)將成為人類生活的一部分。 常見(jiàn)問(wèn)題解答： 1、計(jì)算機(jī)視覺(jué)中的物體檢測(cè)是什么？ 答：物體檢測(cè)是一種計(jì)算機(jī)視覺(jué)技術(shù)，可識(shí)別和定位圖像或視頻中的對(duì)象。其超越了圖像分類，可檢測(cè)多個(gè)對(duì)象，并使用邊界框提供其位置。 2、物體檢測(cè)與圖像分類有何不同？ 答：圖像分類會(huì)為整幅圖像分配一個(gè)標(biāo)簽，以識(shí)別特定對(duì)象的存在。而物體檢測(cè)會(huì)識(shí)別圖像中的多個(gè)對(duì)象并提供其位置，通常以邊界框的形式顯示。 3、物體檢測(cè)中的邊界框是什么？ 答：邊界框是在圖像中檢測(cè)到的物體周圍繪制的矩形框。其包括標(biāo)識(shí)物體的標(biāo)簽，例如“汽車”或“狗”，和表示模型預(yù)測(cè)確定性的置信度分?jǐn)?shù)。 4、物體檢測(cè)中的交并比(IoU)是什么？ 答：IoU是通過(guò)比較預(yù)測(cè)邊界框和真實(shí)邊界框之間的重疊來(lái)評(píng)估對(duì)象檢測(cè)器準(zhǔn)確率的指標(biāo)。其計(jì)算為兩個(gè)邊界框的交集面積與并集面積之比。 5、有哪些流行的物體檢測(cè)算法？ 答：流行的物體檢測(cè)算法包括單次檢測(cè)(SSD)、基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)(R-CNN)、YOLO和FasterR-CNN。這些算法的速度、準(zhǔn)確性和復(fù)雜度各不相同。
-
數(shù)據(jù)增強(qiáng)：提高計(jì)算機(jī)視覺(jué)模型性能的關(guān)鍵技術(shù) 數(shù)據(jù)增強(qiáng)：提高計(jì)算機(jī)視覺(jué)模型性能的關(guān)鍵技術(shù) 隨著技術(shù)的興起，計(jì)算機(jī)視覺(jué)已成為數(shù)字可視化領(lǐng)域的優(yōu)先事項(xiàng)。計(jì)算機(jī)視覺(jué)是人工智能(AI)的一個(gè)分支，其訓(xùn)練計(jì)算機(jī)和系統(tǒng)識(shí)別和理解來(lái)自數(shù)字照片、視頻和其他視覺(jué)輸入的有意義的信息。當(dāng)它檢測(cè)到缺陷或問(wèn)題時(shí)，可以建議或采取行動(dòng)。它通過(guò)使用機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)這一點(diǎn)。本文討論了數(shù)據(jù)增強(qiáng)及其在計(jì)算機(jī)視覺(jué)中的作用、實(shí)現(xiàn)方式，及其對(duì)計(jì)算機(jī)視覺(jué)模型性能的影響。 什么是數(shù)據(jù)增強(qiáng)？ 數(shù)據(jù)增強(qiáng)是對(duì)現(xiàn)有數(shù)據(jù)應(yīng)用不同的轉(zhuǎn)換，以人為地增加訓(xùn)練數(shù)據(jù)集大小的實(shí)踐。在機(jī)器學(xué)習(xí)中，更具體地說(shuō)在計(jì)算機(jī)視覺(jué)中，通過(guò)數(shù)據(jù)增強(qiáng)來(lái)提高模型泛化能力是非常常見(jiàn)的。 為什么要做數(shù)據(jù)增強(qiáng)？ a.增強(qiáng)數(shù)據(jù)集：數(shù)據(jù)增強(qiáng)是一種有效的方法，可以使用從可用數(shù)據(jù)中獲取的新實(shí)例來(lái)增加訓(xùn)練數(shù)據(jù)集的大小。這可以潛在地提高模型性能。 b.正則化：數(shù)據(jù)增強(qiáng)為數(shù)據(jù)集提供了更多變化，這可能通過(guò)正則化模型來(lái)幫助過(guò)度擬合。 c.改進(jìn)泛化：模型能夠接觸到更多分散的數(shù)據(jù)，從而具有更好的泛化能力。 常見(jiàn)的數(shù)據(jù)增強(qiáng)技術(shù) a.圖像旋轉(zhuǎn)：通過(guò)將圖像旋轉(zhuǎn)任意角度，可以使模型不受物體方向的影響，例如，為識(shí)別貓而創(chuàng)建的模型應(yīng)該能夠識(shí)別貓，而不管圖像如何旋轉(zhuǎn)。 b.翻轉(zhuǎn)：水平和垂直翻轉(zhuǎn)圖像是讓訓(xùn)練數(shù)據(jù)更加多樣化的簡(jiǎn)單而有效的方法。當(dāng)感興趣的對(duì)象是對(duì)稱的時(shí)，如人臉或車輛，水平翻轉(zhuǎn)圖像尤其有用。 c.圖像縮放：調(diào)整圖像大小，以生成同一圖像的不同版本，但比例不同。使用這種特定技術(shù)，模型將能夠識(shí)別不同距離或不同大小的物體，從而使模型適應(yīng)現(xiàn)實(shí)生活。 d.裁剪：隨機(jī)裁剪圖像部分可以引入幀中物體位置的變化。這鼓勵(lì)模型關(guān)注物體的不同部分，并提高其在不同環(huán)境中檢測(cè)物體的能力。 e.色彩抖動(dòng)：可以改變圖像的亮度、對(duì)比度、飽和度和色調(diào)來(lái)模擬不同的照明條件。這最適合用于戶外景觀等條件，因?yàn)榘滋斓恼彰骺赡軙?huì)發(fā)生巨大變化。 f.高斯噪聲：向圖像中注入隨機(jī)噪聲將使模型更加穩(wěn)健，這樣噪聲數(shù)據(jù)就可以包含低質(zhì)量圖像或帶有一些偽影的圖像。由于圖像質(zhì)量不可預(yù)測(cè)，因此它可以應(yīng)用于實(shí)時(shí)應(yīng)用。 g.仿射變換：仿射變換的任何變化，如剪切和平移，都會(huì)給圖像添加某種形式的幾何失真。結(jié)合后者的變換，模型可以學(xué)習(xí)推斷變形物體甚至部分遮擋物體的能力。 h.裁剪：裁剪是指對(duì)輸入圖像隨機(jī)進(jìn)行矩形遮罩的做法。這使得模型能夠?qū)Ｗ⒂趫D像其余部分的背景，因此不會(huì)過(guò)分依賴圖像的任何一個(gè)部分。 i.混合：這是一種將兩幅圖像混合形成新的合成圖像，并按比例混合其標(biāo)簽的技術(shù)。這提供了一種在數(shù)據(jù)中添加更多變化的方法，有助于提高模型的泛化能力。 高級(jí)數(shù)據(jù)增強(qiáng)技術(shù) 盡管傳統(tǒng)的數(shù)據(jù)增強(qiáng)技術(shù)已被證明在轉(zhuǎn)化學(xué)習(xí)中是有效的，但該研究領(lǐng)域的最新進(jìn)展提供了更為復(fù)雜的方法來(lái)提高模型性能。 a.生成對(duì)抗網(wǎng)絡(luò)：生成模型類中的基本深度學(xué)習(xí)模型是生成對(duì)抗網(wǎng)絡(luò)或GAN。網(wǎng)絡(luò)訓(xùn)練的目的是生成與輸入數(shù)據(jù)相關(guān)的新圖像，以便可以添加額外的樣本來(lái)訓(xùn)練模型。在數(shù)據(jù)很少的情況下，這種實(shí)現(xiàn)至關(guān)重要。 b.神經(jīng)風(fēng)格遷移：這是一種將一張圖片的風(fēng)格應(yīng)用到另一張圖片內(nèi)容的技術(shù)。一方面，可以通過(guò)創(chuàng)建原始圖像的風(fēng)格化版本來(lái)進(jìn)行數(shù)據(jù)增強(qiáng)；另一方面，這可以幫助模型學(xué)習(xí)識(shí)別不同風(fēng)格的數(shù)據(jù)集的不同多樣性。 c.AutoAugment：這是一種在數(shù)據(jù)集上自動(dòng)發(fā)現(xiàn)最佳增強(qiáng)策略的強(qiáng)化學(xué)習(xí)技術(shù)。AutoAugment可以找到最佳的策略增強(qiáng)技術(shù)組合，因此無(wú)需手動(dòng)調(diào)整超參數(shù)，即可顯著提高模型的性能。 d.CutMix：這是一種高級(jí)增強(qiáng)方法，在兩個(gè)訓(xùn)練圖像之間剪切和粘貼隨機(jī)塊。它形成包含來(lái)自許多圖像的混合信息的新圖像，同時(shí)啟動(dòng)模型以通過(guò)模型學(xué)習(xí)更復(fù)雜和不同的模式。 數(shù)據(jù)增強(qiáng)的挑戰(zhàn)和局限性 雖然數(shù)據(jù)增強(qiáng)具有許多優(yōu)點(diǎn)，但并非沒(méi)有挑戰(zhàn)。需要考慮的關(guān)鍵因素之一是需要應(yīng)用哪種增強(qiáng)技術(shù)。過(guò)多或不相關(guān)的增強(qiáng)可能會(huì)導(dǎo)致模型性能不佳，因?yàn)槟Ｐ蜔o(wú)法從過(guò)度失真和不自然的數(shù)據(jù)中很好地學(xué)習(xí)。謹(jǐn)慎選擇適合數(shù)據(jù)集特征和考慮任務(wù)的增強(qiáng)非常重要。 另一個(gè)問(wèn)題是數(shù)據(jù)增強(qiáng)的計(jì)算成本。在訓(xùn)練過(guò)程中實(shí)施即時(shí)增強(qiáng)會(huì)增加訓(xùn)練所需的時(shí)間和資源。但是，應(yīng)該通過(guò)使用高效的數(shù)據(jù)管道和利用GPU等硬件加速器來(lái)緩解這一問(wèn)題。 最后但同樣重要的是，數(shù)據(jù)增強(qiáng)并不能取代優(yōu)質(zhì)數(shù)據(jù)；它可能會(huì)提高一個(gè)數(shù)據(jù)集的多樣性。但是，它無(wú)法轉(zhuǎn)換質(zhì)量差或有缺陷的數(shù)據(jù)，例如錯(cuò)誤標(biāo)記的數(shù)據(jù)。因此，在使用增強(qiáng)之前，需要事先清理和標(biāo)記初始數(shù)據(jù)集。 總結(jié) 數(shù)據(jù)增強(qiáng)是計(jì)算機(jī)視覺(jué)領(lǐng)域的一項(xiàng)強(qiáng)大技術(shù)，可通過(guò)重新調(diào)整訓(xùn)練數(shù)據(jù)的多樣性來(lái)提高性能并推廣模型。數(shù)據(jù)增強(qiáng)使模型能夠從簡(jiǎn)單的轉(zhuǎn)換技術(shù)，如旋轉(zhuǎn)和翻轉(zhuǎn)，學(xué)習(xí)到復(fù)雜的技術(shù)，如GAN和AutoAugment。 由于數(shù)據(jù)增強(qiáng)具有諸多好處，因此謹(jǐn)慎使用數(shù)據(jù)增強(qiáng)并選擇最適合任務(wù)特定要求的技術(shù)也非常重要。過(guò)度使用或使用不當(dāng)也可能導(dǎo)致模型性能下降。總體而言，數(shù)據(jù)增強(qiáng)不是萬(wàn)能藥，因?yàn)樗荒芴娲哔|(zhì)量和標(biāo)記良好的數(shù)據(jù)。如果使用得當(dāng)，數(shù)據(jù)增強(qiáng)是提高計(jì)算機(jī)視覺(jué)模型的穩(wěn)健性、準(zhǔn)確性和通用性的關(guān)鍵因素之一，也是這一領(lǐng)域進(jìn)步的關(guān)鍵。 常見(jiàn)問(wèn)題解答： 1、計(jì)算機(jī)視覺(jué)中的數(shù)據(jù)增強(qiáng)是什么？ 答：數(shù)據(jù)增強(qiáng)涉及對(duì)圖像應(yīng)用各種變換，以人為地增加訓(xùn)練數(shù)據(jù)集的大小和多樣性，從而提高模型性能。 2、數(shù)據(jù)增強(qiáng)如何提高模型性能？ 答：通過(guò)將模型暴露于更廣泛的數(shù)據(jù)變化，數(shù)據(jù)增強(qiáng)有助于模型更好地泛化并降低過(guò)度擬合的風(fēng)險(xiǎn)。 3、有哪些常見(jiàn)的數(shù)據(jù)增強(qiáng)技術(shù)？ 答：常見(jiàn)的技術(shù)包括圖像旋轉(zhuǎn)、翻轉(zhuǎn)、縮放、裁剪、色彩抖動(dòng)、添加高斯噪聲和仿射變換。 4、有哪些高級(jí)的數(shù)據(jù)增強(qiáng)方法？ 答：先進(jìn)的方法包括生成對(duì)抗網(wǎng)絡(luò)(GAN)、神經(jīng)風(fēng)格遷移、AutoAugment和CutMix，它們提供了更復(fù)雜的方法來(lái)增強(qiáng)訓(xùn)練數(shù)據(jù)。 5、數(shù)據(jù)增強(qiáng)是否存在任何挑戰(zhàn)？ 答：挑戰(zhàn)包括選擇合適的增強(qiáng)技術(shù)、管理計(jì)算成本，以及確保增強(qiáng)不會(huì)降低訓(xùn)練數(shù)據(jù)的質(zhì)量。 -
學(xué)習(xí)生成式人工智能的7個(gè)挑戰(zhàn) 學(xué)習(xí)生成式人工智能的7個(gè)挑戰(zhàn) 生成式人工智能已經(jīng)成為一種變革力量，推動(dòng)著機(jī)器所能達(dá)到的極限。 從文本和圖像生成到創(chuàng)建逼真的模擬，生成式人工智能已經(jīng)在各個(gè)領(lǐng)域展示了其潛力。 隨著對(duì)該領(lǐng)域熟練專業(yè)人員的需求持續(xù)激增，掌握生成式人工智能的旅程被證明是一項(xiàng)艱巨的任務(wù)，其復(fù)雜性需要細(xì)致入微的理解。本文探討了個(gè)人冒險(xiǎn)進(jìn)入生成式人工智能領(lǐng)域所面臨的多方面挑戰(zhàn)，揭示了使這條學(xué)習(xí)路徑既令人興奮又艱巨的復(fù)雜性。從錯(cuò)綜復(fù)雜的模型架構(gòu)到道德考慮，再到不斷追趕快速發(fā)展的技術(shù)，學(xué)習(xí)生成式人工智能的挑戰(zhàn)，與其尋求變革的應(yīng)用一樣多樣化。 1、技術(shù)復(fù)雜性 生成人工智能通常涉及復(fù)雜的算法,如生成性對(duì)抗網(wǎng)絡(luò)(GAN)或變分自動(dòng)編碼器(VAE)。對(duì)于沒(méi)有強(qiáng)大的機(jī)器學(xué)習(xí)背景的學(xué)習(xí)者來(lái)說(shuō)，理解數(shù)學(xué)基礎(chǔ)和實(shí)現(xiàn)是一個(gè)挑戰(zhàn)。 訓(xùn)練生成模型可能需要計(jì)算。獲得高性能計(jì)算機(jī)資源，可能對(duì)計(jì)算能力有限的個(gè)人或小型組織造成障礙。 2、數(shù)據(jù)要求 生成模型在大型和多樣化的數(shù)據(jù)集上茁壯成長(zhǎng)。獲取、編制和管理這類數(shù)據(jù)集可能是一項(xiàng)重大挑戰(zhàn),特別是對(duì)于數(shù)據(jù)可用性有限的特殊領(lǐng)域或?qū)ｉT領(lǐng)域而言。 生成式人工智能的理論基礎(chǔ)涉及抽象概念，如潛在空間和流形學(xué)習(xí)。掌握這些抽象概念對(duì)學(xué)習(xí)者來(lái)說(shuō)是具有挑戰(zhàn)性的，需要在線性代數(shù)、概率論和高等數(shù)學(xué)方面有堅(jiān)實(shí)的基礎(chǔ)。 3、偏見(jiàn)和道德考慮 生成式人工智能模型可能會(huì)無(wú)意中延續(xù)訓(xùn)練數(shù)據(jù)中存在的偏見(jiàn)。了解和解決這些道德問(wèn)題對(duì)于負(fù)責(zé)任的人工智能開(kāi)發(fā)至關(guān)重要。學(xué)習(xí)設(shè)計(jì)減輕偏見(jiàn)和確保公平的模型是一個(gè)持續(xù)的挑戰(zhàn)。 生成式人工智能是一個(gè)快速發(fā)展的領(lǐng)域，新技術(shù)和新進(jìn)展層出不窮。掌握最新的研究論文、框架和最佳實(shí)踐，對(duì)學(xué)習(xí)者來(lái)說(shuō)是一個(gè)持續(xù)的挑戰(zhàn)。 4、具有動(dòng)態(tài)變化的跨學(xué)科領(lǐng)域 生成式人工智能需要來(lái)自多個(gè)學(xué)科的知識(shí),包括計(jì)算機(jī)科學(xué)、數(shù)學(xué)和特定領(lǐng)域的專門知識(shí)。對(duì)于需要跨學(xué)科導(dǎo)航的學(xué)習(xí)者來(lái)說(shuō)，整合這些不同領(lǐng)域的知識(shí)可能會(huì)使人望而生畏。 生成模型通常被認(rèn)為是"黑匣子"模型,這意味著其內(nèi)部工作可能難以解釋。開(kāi)發(fā)解釋和解釋這些模型決策的技術(shù)，是人工智能社區(qū)的一個(gè)持續(xù)挑戰(zhàn)。 5、現(xiàn)實(shí)世界情景中的實(shí)際實(shí)施 在現(xiàn)實(shí)世界中,從理論理解到實(shí)際實(shí)施的過(guò)渡可能具有挑戰(zhàn)性。建立基于生成模型的可擴(kuò)展、高效和可靠的系統(tǒng)，需要實(shí)踐經(jīng)驗(yàn)和解決問(wèn)題的技能。 6、可能無(wú)法普遍獲得資源 獲得高質(zhì)量的教育資源、教程和生成式人工智能的指導(dǎo)可能不是普遍可用的。彌合這一差距，以確保學(xué)習(xí)材料的可訪問(wèn)性，是使生成人工智能教育具有包容性的挑戰(zhàn)。 7、全球合作學(xué)習(xí) 參與一個(gè)由學(xué)習(xí)者和實(shí)踐者組成的支持性社區(qū)，對(duì)于掌握生成式人工智能至關(guān)重要。促進(jìn)合作和知識(shí)共享，是教育工作者和學(xué)習(xí)者的一個(gè)持續(xù)挑戰(zhàn)。 應(yīng)對(duì)這些挑戰(zhàn)需要結(jié)合教育資源、社區(qū)支持，以及對(duì)道德和負(fù)責(zé)任的人工智能發(fā)展的承諾。隨著該領(lǐng)域的不斷發(fā)展,克服這些障礙將有助于為學(xué)習(xí)生成式人工智能創(chuàng)造一個(gè)更容易獲得和包容的環(huán)境。 -
如何利用人工智能增強(qiáng)建筑物的能源可視性 在美國(guó)，建筑物使用的能源中約有三分之一被浪費(fèi)，每年浪費(fèi) 1500 億美元。考慮到這一點(diǎn)，設(shè)施管理人員希望確定每一項(xiàng)可用資產(chǎn)，以幫助控制這一成本，眾所周知，現(xiàn)在人工智能 (AI) 已成為希望提高能源效率的領(lǐng)導(dǎo)者的有力工具。加上凈零建筑計(jì)劃，人工智能的進(jìn)步為設(shè)施管理的變革時(shí)代奠定了基礎(chǔ)。 優(yōu)化能源消耗有助于減少對(duì)環(huán)境的影響，并應(yīng)對(duì)建筑行業(yè)占全球能源消耗的 30% 的驚人水平。人工智能可幫助管理人員做出更好、更明智、更具預(yù)測(cè)性的決策，從而促進(jìn)實(shí)現(xiàn)建筑環(huán)境中的各種目標(biāo)。利用人工智能的設(shè)施經(jīng)理見(jiàn)證了節(jié)能、運(yùn)營(yíng)效率和總體成本降低方面的切實(shí)好處。 國(guó)際能源署的一項(xiàng)研究發(fā)現(xiàn)，人工智能技術(shù)可以節(jié)省相當(dāng)于年度現(xiàn)場(chǎng)建筑能源成本 10% 以上的成本。另一項(xiàng)針對(duì)瑞典斯德哥爾摩 624 所學(xué)校建筑的研究發(fā)現(xiàn)，人工智能的實(shí)施有助于減少 4% 的供暖能源、15% 的用電量、205 噸的二氧化碳排放量和 23% 的居住者投訴。人工智能顯然通過(guò)邊緣自動(dòng)化和控制提供了一條通往更高效率和可持續(xù)性的道路，為建筑運(yùn)營(yíng)商提供了管理能源浪費(fèi)和同時(shí)為居住者提供服務(wù)的關(guān)鍵。 2024 年，當(dāng)談到有效利用人工智能來(lái)提高建筑物的能源效率并解決缺乏可見(jiàn)性的問(wèn)題時(shí)，人工智能將成為值得信賴的顧問(wèn)的關(guān)鍵工具。人工智能現(xiàn)在正在簡(jiǎn)化解決方案，以幫助優(yōu)化設(shè)施管理人員的時(shí)間并增強(qiáng)其為客戶和值得信賴的顧問(wèn)解決問(wèn)題的能力。 數(shù)字化的必要性 提高能源效率的主要障礙之一是不知道從哪里開(kāi)始制定實(shí)現(xiàn)凈零建筑的正確路線圖。脫碳的三個(gè)步驟——戰(zhàn)略化、數(shù)字化和脫碳——是組織整體能源效率和脫碳計(jì)劃的重要方面。數(shù)字化本身是提高建筑物能源效率的關(guān)鍵。如果沒(méi)有足夠的數(shù)字化，先進(jìn)技術(shù)的變革性優(yōu)勢(shì)可能會(huì)被錯(cuò)過(guò)。 通過(guò)使用技術(shù)來(lái)收集、分析和呈現(xiàn)數(shù)據(jù)，新的見(jiàn)解可以帶來(lái)更明智和優(yōu)化的決策。例如，在前面提到的瑞典研究中，人工智能技術(shù)每天評(píng)估大約一百萬(wàn)個(gè)數(shù)據(jù)點(diǎn)，從而大幅節(jié)省熱量和電力。這種數(shù)據(jù)使用可以使系統(tǒng)或流程中以前隱藏或難以察覺(jué)的方面變得可見(jiàn)。數(shù)字化使設(shè)施管理人員能夠確保將技術(shù)無(wú)縫集成到數(shù)字化系統(tǒng)中，以實(shí)現(xiàn)有效的監(jiān)控和控制。如果沒(méi)有數(shù)字化，就很難采取三個(gè)關(guān)鍵的脫碳步驟：制定脫碳路線圖、跟蹤隱含碳以及測(cè)量和監(jiān)測(cè)能源和碳。 在制定脫碳路線圖的初始步驟中，制定建筑物所需的工具和數(shù)字解決方案有助于確定碳排放基線，利用技術(shù)評(píng)估基線與組織目標(biāo)之間的差距，并為路線圖提供信息。 數(shù)字化是第二步，可以在任何設(shè)施的建設(shè)和運(yùn)營(yíng)階段進(jìn)行。對(duì)于任何建筑項(xiàng)目，將建筑信息模型(BIM)集成到數(shù)字化系統(tǒng)中，可以細(xì)致地跟蹤嵌入的碳，為可持續(xù)建筑實(shí)踐提供至關(guān)重要的見(jiàn)解。設(shè)施管理者可以利用先進(jìn)的數(shù)字化和去碳化技術(shù)解決方案，例如具有嵌入式碳功能的6D BIM平臺(tái)。這些工具能夠計(jì)算建筑構(gòu)件的成本和內(nèi)含碳，允許詳細(xì)分析和報(bào)告項(xiàng)目的總碳排放量和單個(gè)元素的貢獻(xiàn)。通過(guò)將BIM與嵌入式碳核算相結(jié)合，設(shè)施經(jīng)理可以積極參與早期設(shè)計(jì)討論，評(píng)估材料選擇，并評(píng)估長(zhǎng)期能源影響，以有效支持可持續(xù)建筑實(shí)踐。 最后，在第三步中，脫碳通常會(huì)監(jiān)督數(shù)字資產(chǎn)的執(zhí)行情況，以提高能源效率，并開(kāi)始實(shí)現(xiàn)設(shè)施管理人員現(xiàn)在必須精確監(jiān)控能源使用情況和碳排放的能力。集中能源供應(yīng)和公用事業(yè)數(shù)據(jù)、了解一次能源使用情況以及實(shí)施基于云的分析是通過(guò)數(shù)字化實(shí)現(xiàn)的關(guān)鍵組成部分，使設(shè)施管理人員能夠做出數(shù)據(jù)驅(qū)動(dòng)的決策，從而促進(jìn)有效的脫碳。對(duì)于許多現(xiàn)代設(shè)施主管來(lái)說(shuō)，脫碳的最后階段將包括建筑資產(chǎn)的電氣化以與綠色電網(wǎng)互動(dòng)、與 Auto-Grid 等公用事業(yè)合作伙伴達(dá)成產(chǎn)消合一協(xié)議以及現(xiàn)場(chǎng)可再生能源部署，包括可以提供脫碳和關(guān)鍵建筑彈性的微電網(wǎng)。 三步方法——戰(zhàn)略化、數(shù)字化、脫碳——是一種行之有效的策略，可以幫助設(shè)施管理人員將凈零碳建筑的愿望轉(zhuǎn)化為實(shí)現(xiàn)該目標(biāo)的切實(shí)行動(dòng)。 部署富有洞察力的傳感器 提高能源效率的一個(gè)關(guān)鍵障礙在于缺乏做出明智決策和獲得具有成本效益的投入所需的工具。利用人工智能需要部署富有洞察力的傳感器和監(jiān)控系統(tǒng)。這些先進(jìn)技術(shù)可以實(shí)時(shí)洞察能源消耗的細(xì)微??差別，使設(shè)施管理人員能夠識(shí)別效率低下的領(lǐng)域并制定有針對(duì)性的改進(jìn)策略。通過(guò)捕獲有關(guān)照明、暖通空調(diào)系統(tǒng)、占用率和其他能源相關(guān)元素的數(shù)據(jù)，人工智能驅(qū)動(dòng)的傳感器使設(shè)施管理人員能夠做出超越傳統(tǒng)能源管理實(shí)踐的明智決策。 此外，人工智能還可以通過(guò)簡(jiǎn)化工作流程和增強(qiáng)解決問(wèn)題的能力，極大地造福為客戶提供服務(wù)的可信賴顧問(wèn)。人工智能算法可以分析部署在建筑外圍的強(qiáng)大傳感器收集的大量數(shù)據(jù)，為顧問(wèn)提供可操作的見(jiàn)解，使他們能夠優(yōu)化時(shí)間并更有效地滿足客戶需求。 通過(guò)預(yù)測(cè)分析進(jìn)行主動(dòng)能源優(yōu)化 人工智能算法可以通過(guò)分析歷史數(shù)據(jù)和識(shí)別模式來(lái)預(yù)測(cè)未來(lái)的能源消耗趨勢(shì)。這使設(shè)施管理人員可以采取措施主動(dòng)優(yōu)化使用。這種預(yù)測(cè)能力可防止能源浪費(fèi)并確保建筑物更有可能達(dá)到峰值效率水平。 人工智能在建筑管理中的重要性不僅限于節(jié)能；它還包括創(chuàng)建智能、響應(yīng)迅速的環(huán)境。人工智能算法可以從居住者的行為中學(xué)習(xí)，調(diào)整照明、溫度和其他環(huán)境因素，以符合偏好和使用模式。這不僅可以提高居住者的舒適度，還可以通過(guò)避免空閑期間不必要的消耗來(lái)節(jié)省更多能源。Insight Sensor 等產(chǎn)品可以收集溫度、濕度和聲級(jí)等參數(shù)的信息，并可以準(zhǔn)確確定占用率并快速調(diào)整。有了它，連接到這些傳感器的人工智能預(yù)測(cè)分析算法現(xiàn)在可以在兩分鐘內(nèi)將房間的溫度重置為空置占用水平，而不必等待以前可能需要長(zhǎng)達(dá) 15 分鐘的運(yùn)動(dòng)檢測(cè)器。 由于該行業(yè)受到退休和熟練勞動(dòng)力短缺的影響，預(yù)測(cè)分析還可以實(shí)現(xiàn)更高效、更有效的運(yùn)營(yíng)，增強(qiáng)勞動(dòng)力在設(shè)施管理中的關(guān)鍵作用。雖然人工智能對(duì)于脫碳至關(guān)重要，但它也將在解決熟練勞動(dòng)力的供應(yīng)鏈危機(jī)中發(fā)揮關(guān)鍵作用，為設(shè)施管理技能差距提供獨(dú)特的解決方案。 對(duì)于人手不足的設(shè)施團(tuán)隊(duì)，數(shù)字優(yōu)先服務(wù)方法可以提供幫助，通過(guò)數(shù)字工具和數(shù)據(jù)連接遠(yuǎn)程和現(xiàn)場(chǎng)技術(shù)人員，以有效解決問(wèn)題并滿足服務(wù)要求。這種方法增強(qiáng)了前線信心并確保了有影響力的結(jié)果。例如，在 2023 年，我們使用 EcoStruxure Building Advisor 任務(wù)與我們的團(tuán)隊(duì)進(jìn)行協(xié)調(diào)，直接促進(jìn)了高效的建筑運(yùn)營(yíng)，并減少了相當(dāng)于減少約 2,200 輛汽車上路的碳排放。 人工智能在設(shè)施管理中的未來(lái) 最終，建筑領(lǐng)域的人工智能革命提供了大量可操作的信息。人工智能和分析即將被廣泛采用，標(biāo)志著將人工智能融入建筑環(huán)境結(jié)構(gòu)的重要里程碑。許多人對(duì)人工智能在各個(gè)行業(yè)采用速度的快慢持謹(jǐn)慎態(tài)度，但對(duì)于設(shè)施經(jīng)理及其值得信賴的顧問(wèn)而言，這是一套至關(guān)重要且強(qiáng)大的工具，可幫助他們的建筑邁向下一代可持續(xù)發(fā)展。 人工智能的變革潛力巨大。通過(guò)部署先進(jìn)的傳感器、采用預(yù)測(cè)分析和建立值得信賴的合作伙伴關(guān)系，商業(yè)房地產(chǎn)行業(yè)可以充分發(fā)揮人工智能的潛力，以減少建筑環(huán)境對(duì)環(huán)境的影響。在我們走向全面采用可持續(xù)建筑實(shí)踐的道路上，利用人工智能的力量就像一盞明燈，指引我們走向更環(huán)保、更高效的未來(lái)。 作者：Tyler Haak ，施耐德電氣可持續(xù)發(fā)展與服務(wù)副總裁。 -
制造業(yè)中的自動(dòng)化系統(tǒng)：機(jī)器人的作用 制造業(yè)中的自動(dòng)化系統(tǒng)：機(jī)器人的作用 自動(dòng)化是利用控制系統(tǒng)和信息技術(shù)來(lái)減少制造業(yè)對(duì)人力的需求的過(guò)程。因此,機(jī)器人是制造業(yè)中用于提高生產(chǎn)國(guó)、質(zhì)量和競(jìng)爭(zhēng)力水平的自動(dòng)化系統(tǒng)的一部分。本文對(duì)制造業(yè)自動(dòng)化系統(tǒng)進(jìn)行了深入的闡述。 1.重復(fù)性任務(wù)：機(jī)器人執(zhí)行重復(fù)性任務(wù)，這些任務(wù)可能是單調(diào)的，并且容易出現(xiàn)錯(cuò)誤，但機(jī)器人的熟練程度極高。通過(guò)這種方式，人類工作者將有更多的時(shí)間從事復(fù)雜和戰(zhàn)略性的工作。 2.危險(xiǎn)環(huán)境：機(jī)器人也可以在危險(xiǎn)環(huán)境中使用，比如有毒化學(xué)品或非常高/低的溫度，從而使人類工作者免受可能的傷害。 3.精度和準(zhǔn)確性：機(jī)器人以高精度和準(zhǔn)確性執(zhí)行任務(wù)，從而始終如一地生產(chǎn)高質(zhì)量的產(chǎn)品。 4.提高生產(chǎn)力：自動(dòng)化系統(tǒng)由機(jī)器人驅(qū)動(dòng)，可大大提高生產(chǎn)力，縮短交貨時(shí)間，提高整體效率。 5.靈活性：現(xiàn)代的電腦更加靈活，可以為各種任務(wù)重新編程。其基礎(chǔ)是靈活性和對(duì)不斷變化的生產(chǎn)需求的快速反應(yīng)。 制造中使用的機(jī)器人類型 在制造業(yè)中有幾種常見(jiàn)的機(jī)器人,每一種都在其應(yīng)用領(lǐng)域: 1.工業(yè)機(jī)器人：這些是迄今為止制造業(yè)中最常見(jiàn)的機(jī)器人類型,主要用于焊接和裝配等可重復(fù)的流程,以及其他與材料處理有關(guān)的流程。 2.協(xié)作機(jī)器人：核心機(jī)器人的設(shè)計(jì)是為了安全地與人類工作者一起工作,分擔(dān)任務(wù),并在復(fù)雜的過(guò)程中進(jìn)行合作。 3.自主移動(dòng)機(jī)器人：作為移動(dòng)機(jī)器人,在制造設(shè)施內(nèi)的多個(gè)地方都有應(yīng)用,以便在不受人為干擾的情況下,將材料從一個(gè)點(diǎn)移動(dòng)到另一個(gè)點(diǎn),并自行導(dǎo)航和驅(qū)動(dòng)。 4.專業(yè)機(jī)器人：根據(jù)行業(yè)和需要,可能有專門的機(jī)器人用于油漆、包裝,甚至檢查。 機(jī)器人在制造業(yè)的好處 將機(jī)器人技術(shù)集成到制造過(guò)程中會(huì)帶來(lái)各種形式的好處。包括但不限于: 1.改進(jìn)質(zhì)量：對(duì)于機(jī)器人,隨著人為錯(cuò)誤的消除,產(chǎn)品質(zhì)量可以變得一致,從而在與制造有關(guān)的流程中保持精確性。 2.提高效率：包括機(jī)器人在內(nèi)的自動(dòng)化系統(tǒng)可以簡(jiǎn)化程序，減少浪費(fèi)，從而提高生產(chǎn)力。 3.節(jié)約成本：雖然機(jī)器人技術(shù)的初始投資非常高,但減少勞動(dòng)力成本和提高效率帶來(lái)的最終收益轉(zhuǎn)化為可觀的成本節(jié)約。 4.提高安全性：機(jī)器人可以執(zhí)行與危險(xiǎn)生產(chǎn)環(huán)境有關(guān)的任務(wù),因此其為人類工作者提供保護(hù)。 5.競(jìng)爭(zhēng)優(yōu)勢(shì)：在采用自動(dòng)化和機(jī)器人技術(shù)的過(guò)程中,制造商獲得了基于更高質(zhì)量的產(chǎn)品、更快的交付時(shí)間和更低成本的競(jìng)爭(zhēng)優(yōu)勢(shì)。 挑戰(zhàn)和考慮 盡管好處多多,但在機(jī)器人制造業(yè)的集成過(guò)程中也面臨一些挑戰(zhàn)。通常，機(jī)器人技術(shù)的初始投資會(huì)非常高,因?yàn)槠湫枰罅康馁Y金來(lái)進(jìn)行最初的投資。此外,機(jī)器人可能會(huì)取代一些工作崗位,并引發(fā)一些與就業(yè)和經(jīng)濟(jì)影響相關(guān)的問(wèn)題。最后,機(jī)器人系統(tǒng)必須定期維護(hù)，以保持其良好狀態(tài)和運(yùn)行平穩(wěn)。集成和編程,機(jī)器人在當(dāng)前制造流程中的集成并非易事，其需要非常專業(yè)的技能和專門知識(shí)。 機(jī)器人在制造業(yè)的未來(lái) 隨著技術(shù)的不斷進(jìn)步和采用率的提高，機(jī)器人在制造業(yè)中的未來(lái)似乎是光明的。隨著機(jī)器人繼續(xù)變得更智能、更清晰、更實(shí)惠，其有望更智能地重塑制造業(yè)的格局。 換言之,機(jī)器人技術(shù)可以成為提高制造業(yè)效率、質(zhì)量和競(jìng)爭(zhēng)力的強(qiáng)大力量。在仔細(xì)權(quán)衡挑戰(zhàn)和利益之后，正確認(rèn)識(shí)機(jī)器人的作用,就會(huì)對(duì)自動(dòng)化的實(shí)施系統(tǒng)做出適當(dāng)?shù)臎Q定，以滿足特定的需求和目標(biāo)。 常見(jiàn)問(wèn)題解答： 1、機(jī)器人在制造業(yè)中的主要作用是什么? 答：機(jī)器人技術(shù)在任務(wù)的自動(dòng)化中發(fā)揮著非常重要的作用,其可能是重復(fù)性的,從而提高了效率和質(zhì)量。其應(yīng)用于焊接、裝配、材料處理和檢驗(yàn)等若干個(gè)領(lǐng)域。 2、機(jī)器人在制造業(yè)中的一些好處是什么? 答：與機(jī)器人相關(guān)的一些好處是提高生產(chǎn)率、質(zhì)量、降低成本、安全性和靈活性。 3、在制造業(yè)中使用機(jī)器人有哪些挑戰(zhàn)? 答：這些將是將要面臨的問(wèn)題:投資成本、就業(yè)轉(zhuǎn)移問(wèn)題、升級(jí)和維護(hù)，以及集成問(wèn)題。 4、制造機(jī)器人的類型是什么? 答：類似的類型包括工業(yè)機(jī)器人、協(xié)作機(jī)器人、自主移動(dòng)機(jī)器人和專業(yè)機(jī)器人。 5、工業(yè)機(jī)器人和協(xié)作機(jī)器人的區(qū)別是什么? 答：工業(yè)機(jī)器人被設(shè)計(jì)成一系列的重復(fù)工作,通常在封閉的籠子環(huán)境中執(zhí)行。而協(xié)作機(jī)器人可以在人類員工中安全地運(yùn)行,并且可以在多個(gè)應(yīng)用中使用。 -
數(shù)據(jù)中心合規(guī)性入門指南 目前還沒(méi)有專門針對(duì)數(shù)據(jù)中心的合規(guī)標(biāo)準(zhǔn)。但這并不意味著數(shù)據(jù)中心在合規(guī)方面沒(méi)有任何作用。相反，企業(yè)設(shè)計(jì)、運(yùn)營(yíng)和審計(jì)其數(shù)據(jù)中心的方式對(duì)于滿足其面臨的各種合規(guī)性要求(例如HIPAA、PCIDSS和GDPR)的能力至關(guān)重要。 請(qǐng)繼續(xù)閱讀數(shù)據(jù)中心合規(guī)指南，包括數(shù)據(jù)中心在合規(guī)策略中的位置，以及數(shù)據(jù)中心運(yùn)營(yíng)商和客戶需要做什么來(lái)確保數(shù)據(jù)中心合規(guī)。 數(shù)據(jù)中心和合規(guī)性：概述 數(shù)據(jù)中心并不總是合規(guī)性討論的焦點(diǎn)，因?yàn)橹饕暮弦?guī)性框架都沒(méi)有包含針對(duì)數(shù)據(jù)中心的具體規(guī)則，這并不奇怪，因?yàn)楹弦?guī)性標(biāo)準(zhǔn)通常不關(guān)注特定技術(shù)或技術(shù)領(lǐng)域。相反，它們旨在建立組織必須遵循的指導(dǎo)方針和最佳實(shí)踐，無(wú)論他們使用哪種技術(shù)。 也就是說(shuō)，任何使用數(shù)據(jù)中心并遵守合規(guī)標(biāo)準(zhǔn)的組織，都必須確保其數(shù)據(jù)中心的運(yùn)營(yíng)符合合規(guī)要求。如果數(shù)據(jù)中心不合規(guī)，那么通常就無(wú)法合規(guī)。 例如，歐盟旨在保護(hù)個(gè)人數(shù)據(jù)的《GDPR》包含規(guī)定企業(yè)何時(shí)以及如何將數(shù)據(jù)傳輸?shù)綒W盟以外的規(guī)則。這意味著，運(yùn)營(yíng)多個(gè)數(shù)據(jù)中心（一些在歐盟境內(nèi)，另一些在歐盟境外）的企業(yè)必須管理個(gè)人數(shù)據(jù)在其各個(gè)數(shù)據(jù)中心之間流動(dòng)的方式。 確保數(shù)據(jù)中心合規(guī)性的策略 確保數(shù)據(jù)中心支持而不是阻礙合規(guī)策略可能具有挑戰(zhàn)性，因?yàn)楹弦?guī)規(guī)則通常不包含與數(shù)據(jù)中心相關(guān)的特定要求。 因此，確定如何將合規(guī)標(biāo)準(zhǔn)應(yīng)用于數(shù)據(jù)中心可能很困難。沒(méi)有簡(jiǎn)單的清單可以讓企業(yè)遵循以確保其數(shù)據(jù)中心符合其需要滿足的任何合規(guī)規(guī)則。 然而，企業(yè)和數(shù)據(jù)中心運(yùn)營(yíng)商可以采取一些措施來(lái)支持?jǐn)?shù)據(jù)中心合規(guī)性。以下是主要措施。 1.遵守自愿合規(guī)框架 存在多個(gè)合規(guī)框架，這些框架的規(guī)則不需要任何組織遵守，但可以幫助為網(wǎng)絡(luò)安全和數(shù)據(jù)隱私建立健康的基礎(chǔ)。此類自愿合規(guī)框架的主要示例包括SOC2和ISO27001。 選擇遵守這些或類似的自愿框架并不能保證數(shù)據(jù)中心也符合HIPAA或GDPR等監(jiān)管框架。但自愿合規(guī)提供了一個(gè)機(jī)會(huì)來(lái)建立最佳實(shí)踐并識(shí)別可能引發(fā)違反非自愿合規(guī)要求的安全漏洞。 2.進(jìn)行自愿審計(jì) 同樣，進(jìn)行自愿審計(jì)是識(shí)別數(shù)據(jù)中心運(yùn)營(yíng)中可能導(dǎo)致合規(guī)性問(wèn)題的漏洞的好方法。 數(shù)據(jù)中心運(yùn)營(yíng)商可以使用自己的內(nèi)部審計(jì)團(tuán)隊(duì)進(jìn)行審計(jì)，也可以將審計(jì)外包給外部審計(jì)提供商。（在某些情況下，需要進(jìn)行外部審計(jì)來(lái)證明您符合合規(guī)性標(biāo)準(zhǔn)，但也可能允許進(jìn)行內(nèi)部審計(jì)，具體取決于尋求的合規(guī)性認(rèn)證。） 3.記錄資產(chǎn)和流程 您與審計(jì)人員和監(jiān)管機(jī)構(gòu)分享的信息越多，就越容易證明您的數(shù)據(jù)中心符合相關(guān)標(biāo)準(zhǔn)。從看似平凡的信息（如數(shù)據(jù)中心電纜標(biāo)簽）到更高風(fēng)險(xiǎn)的數(shù)據(jù)（如網(wǎng)絡(luò)安全事件響應(yīng)操作），跟蹤您在數(shù)據(jù)中心內(nèi)擁有的一切和所做的一切。 4.考慮外包數(shù)據(jù)中心運(yùn)營(yíng) 如果企業(yè)難以確保其數(shù)據(jù)中心合規(guī)，外包數(shù)據(jù)中心運(yùn)營(yíng)可能是明智的選擇。外包允許將合規(guī)責(zé)任交給第三方。當(dāng)然，請(qǐng)確保需要滿足的任何合規(guī)標(biāo)準(zhǔn)都考慮到與所雇用的數(shù)據(jù)中心外包企業(yè)達(dá)成的協(xié)議中。 5.考慮云 當(dāng)所有其他方法都失敗時(shí)，將工作負(fù)載遷移到公共云可以簡(jiǎn)化合規(guī)性。雖然公共云提供商無(wú)法保證您的工作負(fù)載的所有方面都符合要求，但他們確實(shí)承擔(dān)了與保護(hù)物理基礎(chǔ)設(shè)施相關(guān)的合規(guī)性責(zé)任。 當(dāng)然，遷移到云會(huì)帶來(lái)一系列權(quán)衡，其中包括減少對(duì)基礎(chǔ)設(shè)施的控制等挑戰(zhàn)。但對(duì)于在私有數(shù)據(jù)中心難以遵守法規(guī)的企業(yè)來(lái)說(shuō)，云可能是明智的選擇。 結(jié)論：使數(shù)據(jù)中心成為合規(guī)的基石 對(duì)于大多數(shù)企業(yè)來(lái)說(shuō)，數(shù)據(jù)中心只是合規(guī)運(yùn)營(yíng)的一個(gè)組成部分。但鑒于數(shù)據(jù)中心在托管工作負(fù)載方面發(fā)揮的基礎(chǔ)作用，它們往往是至關(guān)重要的組成部分。因此，依賴數(shù)據(jù)中心的企業(yè)采取主動(dòng)措施來(lái)滿足合規(guī)要求是明智之舉，例如自愿接受審計(jì)，或者在某些情況下將數(shù)據(jù)中心運(yùn)營(yíng)外包給更熟悉數(shù)據(jù)中心合規(guī)要求的企業(yè)。 -
如何讓HVAC系統(tǒng)變得更智能？ 暖通空調(diào)在任何建筑物中都至關(guān)重要，但它的性能往往達(dá)不到應(yīng)有的效果。供暖和制冷通常是最大的能源消耗來(lái)源，導(dǎo)致高成本和碳足跡。盡管該問(wèn)題有許多潛在的解決方案，但智能暖通空調(diào)是最有前途的解決方案之一。 定期維護(hù)和周到的隔熱等步驟對(duì)于優(yōu)化暖通空調(diào)效率至關(guān)重要。然而，許多人可能已經(jīng)嘗試過(guò)傳統(tǒng)方法，但仍然難以使建筑物的電力使用達(dá)到應(yīng)有的水平。在這種情況下，智能技術(shù)可能就是答案。 什么是智能暖通空調(diào)系統(tǒng)？ 智能暖通空調(diào)是一個(gè)廣泛的類別，涵蓋了物聯(lián)網(wǎng) (IoT) 和人工智能(AI) 等技術(shù)在暖通空調(diào)系統(tǒng)中的集成。雖然具體細(xì)節(jié)可能有所不同，但所有這些創(chuàng)新都通過(guò)自動(dòng)化、數(shù)據(jù)分析和無(wú)線連接提供了有價(jià)值的改進(jìn)。 許多家庭已經(jīng)小規(guī)模使用這些技術(shù)。例如智能恒溫器是最受歡迎的例子，僅 2024 年，其出貨量就超過(guò) 2.3 億個(gè)。然而，更大、更復(fù)雜的系統(tǒng)也是有可能的，并且這些系統(tǒng)會(huì)產(chǎn)生更重要的結(jié)果。 更廣泛的建筑自動(dòng)化項(xiàng)目可能會(huì)在整個(gè)通風(fēng)系統(tǒng)中部署智能恒溫器、物聯(lián)網(wǎng)連接的鍋爐和一系列傳感器。所有單獨(dú)的端點(diǎn)都可以連接，以便每個(gè)端點(diǎn)都可以響應(yīng)對(duì)方的實(shí)時(shí)數(shù)據(jù)。然后，自動(dòng)化控制解決方案將根據(jù)此信息調(diào)整 HVAC 操作。 智能暖通空調(diào)以各種形式使建筑管理變得比以往更容易。更重要的是，它還通過(guò)一些關(guān)鍵優(yōu)勢(shì)實(shí)現(xiàn)了更高的效率標(biāo)準(zhǔn)。 智能 HVAC 的主要效率驅(qū)動(dòng)因素是其對(duì)實(shí)時(shí)數(shù)據(jù)做出反應(yīng)的能力。物聯(lián)網(wǎng)恒溫器和類似的樓宇自動(dòng)化系統(tǒng)根據(jù)實(shí)際情況而不是遵循時(shí)間表來(lái)控制供暖。因此，它們可以保持最佳的溫度、濕度和氣流，而不會(huì)浪費(fèi)任何電力。 基于時(shí)間表的替代方案通常運(yùn)行時(shí)間超過(guò)必要時(shí)間，從而導(dǎo)致浪費(fèi)。或者，它們可能閑置時(shí)間過(guò)長(zhǎng)，導(dǎo)致它們?cè)诖蜷_(kāi)以補(bǔ)償顯著的溫度差距時(shí)更加努力地工作。即使使用環(huán)境傳感器的系統(tǒng)也有類似的缺點(diǎn)，如果它們只按照計(jì)劃測(cè)量條件而不是實(shí)時(shí)分析它們。 通過(guò)根據(jù)需要盡快進(jìn)行細(xì)微調(diào)整，基于物聯(lián)網(wǎng)的 HVAC 使用盡可能少的電力。這種精度只有通過(guò)實(shí)時(shí)數(shù)據(jù)分析才能實(shí)現(xiàn)，因此傳統(tǒng)替代方案無(wú)法與之競(jìng)爭(zhēng)。 優(yōu)化維護(hù) 智能 HVAC 的數(shù)據(jù)分析超出了建筑物的內(nèi)部條件。人工智能模型還可以檢測(cè)設(shè)備性能的細(xì)微變化，表明是否需要維修。然后，他們可以提醒技術(shù)人員在問(wèn)題引起更大問(wèn)題之前解決問(wèn)題，這種做法稱為預(yù)測(cè)性維護(hù)。 預(yù)測(cè)性護(hù)理通常被描述為一種省錢的方法，但它也具有效率優(yōu)勢(shì)。通過(guò)盡早進(jìn)行維修，它可以確保暖通空調(diào)系統(tǒng)盡可能長(zhǎng)時(shí)間地保持最佳狀態(tài)，防止因年久失修而導(dǎo)致效率低下。 以空氣壓縮機(jī)過(guò)濾為例。過(guò)濾器堵塞會(huì)導(dǎo)致壓力下降，迫使壓縮機(jī)更加努力地完成基本操作。過(guò)濾器附近的智能傳感器可以在堆積物導(dǎo)致可檢測(cè)到的氣壓下降時(shí)立即向技術(shù)人員發(fā)出警告，從而防止這種情況發(fā)生。從技術(shù)上講，手動(dòng)檢查也可以做到同樣的效果，但人工智能可以在人類注意到這些變化之前識(shí)別出這些變化，從而擴(kuò)大其好處。 詳細(xì)見(jiàn)解 此外，還可以使用智能 HVAC 設(shè)備來(lái)實(shí)現(xiàn)更廣泛的效率提高。隨著時(shí)間的推移，這些技術(shù)將生成大量有關(guān) HVAC 系統(tǒng)運(yùn)行的數(shù)據(jù)。人工智能可以分析這些信息，以突出顯示尚未解決的低效問(wèn)題或可以提高建筑效率的變化的趨勢(shì)。 像這樣的持續(xù)審查實(shí)質(zhì)上提供了持續(xù)的能源審計(jì)。考慮到強(qiáng)制審核通常會(huì)節(jié)省2.5% 到 4.9% 的電量，重復(fù)執(zhí)行類似的檢查可能會(huì)帶來(lái)顯著的改進(jìn)。即使結(jié)果不大，每一次收益都代表著節(jié)省的錢。 當(dāng)使用智能 HVAC 用例創(chuàng)建數(shù)字孿生時(shí)，它會(huì)更具影響力。機(jī)器學(xué)習(xí)模型可以模擬 HVAC 系統(tǒng)數(shù)字孿生中的各種變化，以確定哪些解決方案可以帶來(lái)最大的節(jié)省，而無(wú)需反復(fù)嘗試就能找到理想的前進(jìn)道路。 實(shí)施智能 HVAC 的關(guān)鍵考慮因素 當(dāng)然，這些好處不會(huì)自動(dòng)出現(xiàn)。需要仔細(xì)規(guī)劃和一些實(shí)施最佳實(shí)踐才能充分利用智能 HVAC 設(shè)備的潛力。首先確定想要將哪些特定技術(shù)集成到目標(biāo)建筑中。 家庭可能只需要一個(gè)智能恒溫器，而辦公樓或工廠將受益于更復(fù)雜的單個(gè)物聯(lián)網(wǎng)傳感器網(wǎng)絡(luò)。一般來(lái)說(shuō)，系統(tǒng)擁有的自動(dòng)化功能和物聯(lián)網(wǎng)端點(diǎn)越多，它就越有幫助。同時(shí)，復(fù)雜性的增加會(huì)導(dǎo)致成本上升，因此將預(yù)期回報(bào)與項(xiàng)目預(yù)算進(jìn)行比較非常重要。 設(shè)計(jì)智能 HVAC 系統(tǒng)時(shí)，還必須確保所有設(shè)備兼容。 5G 支持更可取，因?yàn)檫@些網(wǎng)絡(luò)每平方公里可支持多達(dá) 100 萬(wàn)臺(tái)設(shè)備，使其成為復(fù)雜物聯(lián)網(wǎng)解決方案的理想選擇。所有端點(diǎn)還必須共享通用控制技術(shù)，例如 Matter 或 Zigbee。 網(wǎng)絡(luò)安全是物聯(lián)網(wǎng)設(shè)備的另一個(gè)問(wèn)題。智能設(shè)備是流行的黑客目標(biāo)，因?yàn)樗鼈兺ǔＨ狈?qiáng)大的內(nèi)置控制，并且可以讓攻擊者訪問(wèn)更敏感的系統(tǒng)。啟用加密、更改默認(rèn)密碼、關(guān)閉自動(dòng)連接以及對(duì)所有物聯(lián)網(wǎng)設(shè)備使用多重身份驗(yàn)證都會(huì)有所幫助。 智能技術(shù)釋放新的可能性 智能暖通空調(diào)是一個(gè)相對(duì)較新但前景廣闊的領(lǐng)域。隨著它的發(fā)展和新技術(shù)的出現(xiàn)，它將成為一種更有影響力的提高能源效率的方式。現(xiàn)在利用這些優(yōu)勢(shì)將幫助您滿足未來(lái)日益增長(zhǎng)的環(huán)境需求。 對(duì)于建筑效率而言，沒(méi)有一種萬(wàn)能的解決方案，但物聯(lián)網(wǎng)和人工智能幾乎可以為任何項(xiàng)目提供幫助。發(fā)揮這一潛力的第一步是了解這些創(chuàng)新如何提供幫助。 -
Ai如何徹底改變數(shù)據(jù)中心的可持續(xù)性？ 本文作者：Mukul Anand, Johnson Controls 通過(guò)將風(fēng)冷磁力軸承冷水機(jī)組和關(guān)鍵任務(wù)空氣處理機(jī)組與開(kāi)源數(shù)字平臺(tái)的復(fù)雜 AI 功能相結(jié)合，數(shù)據(jù)中心可以通過(guò)允許動(dòng)態(tài)（而非靜態(tài)）冷凍水設(shè)定點(diǎn)來(lái)減少能源使用。 任何數(shù)據(jù)中心的首要目標(biāo)都是完美的數(shù)據(jù)處理；實(shí)現(xiàn)這一目標(biāo)的關(guān)鍵是高可靠性和最大限度地延長(zhǎng)正常運(yùn)行時(shí)間。然而，為了減輕氣候變化的影響，另一個(gè)屬性變得同樣重要——最大限度地減少對(duì)環(huán)境的影響。由于維持正常運(yùn)行時(shí)間傳統(tǒng)上需要大量的能源和資源，因此這些目標(biāo)似乎是不一致的。 數(shù)據(jù)中心是能源最密集的建筑類型之一，每層能耗是標(biāo)準(zhǔn)商業(yè)辦公樓的10 至 50 倍，合計(jì)約占某些國(guó)家全國(guó)總用電量的2%。隨著全球許多技術(shù)領(lǐng)導(dǎo)者做出重大的凈零排放和水承諾，他們正在尋求新的創(chuàng)新來(lái)可靠地減少能源和資源的使用。 除了服務(wù)器消耗的電力外，HVAC設(shè)備還占數(shù)據(jù)中心40%的用電量。為了實(shí)現(xiàn)可持續(xù)運(yùn)營(yíng)和盈利，這些設(shè)施必須優(yōu)化HVAC能源效率，同時(shí)確保數(shù)據(jù)中心的正常運(yùn)行時(shí)間。 暖通空調(diào)和智能建筑技術(shù)的最新創(chuàng)新使這一成果成為可能，減少能源和水的使用、碳排放和成本，同時(shí)確保最高的可靠性。任務(wù)關(guān)鍵型機(jī)房空氣處理機(jī)組與風(fēng)冷式磁力軸承冷水機(jī)組、數(shù)字解決方案和樓宇自動(dòng)化技術(shù)相結(jié)合，可以顯著提高數(shù)據(jù)中心的可持續(xù)性，同時(shí)維持支持可靠性和正常運(yùn)行時(shí)間的環(huán)境。 維持冷通道溫度 冷通道的溫度決定了HVAC設(shè)備和服務(wù)器風(fēng)扇的工作強(qiáng)度，從而決定了它們消耗的功率，以確保有適當(dāng)?shù)目諝饬苛鬟^(guò)服務(wù)器以帶走熱量。冷通道溫度越高，冷水機(jī)功耗越低。冷通道溫度較低，需要的氣流量較小，空氣處理單元風(fēng)扇和服務(wù)器風(fēng)扇的風(fēng)扇功耗也較低。 為了防止數(shù)據(jù)中心空白區(qū)域出現(xiàn)熱點(diǎn)并確保正常運(yùn)行時(shí)間，數(shù)據(jù)中心冷卻策略歷來(lái)傾向于較低的冷通道溫度和較高的氣流——甚至超出了所需的范圍。這種多余的氣流可以作為接近要求邊緣的應(yīng)用的緩沖區(qū)。例如，如果某個(gè)服務(wù)器的負(fù)載高于平常，則它可能會(huì)導(dǎo)致冷通道缺乏冷空氣，并可能導(dǎo)致過(guò)熱。額外的氣流提供了安全網(wǎng)，但也浪費(fèi)了能源。 服務(wù)器技術(shù)的進(jìn)步使得最新一代服務(wù)器能夠在較溫暖的冷通道的高溫環(huán)境條件下運(yùn)行。可以在更大溫度范圍內(nèi)運(yùn)行的服務(wù)器使得可接受的冷通道溫度范圍更廣成為可能。 通過(guò)優(yōu)化冷通道溫度，數(shù)據(jù)中心可以消耗冷卻所需的最小電力。目前，該溫度是一個(gè)靜態(tài)數(shù)字。然而，對(duì)動(dòng)態(tài)冷通道溫度影響的研究證明，動(dòng)態(tài)冷通道溫度可以根據(jù)數(shù)據(jù)中心負(fù)載在任何給定時(shí)間的環(huán)境條件提供最佳冷卻，而且現(xiàn)在已經(jīng)有了實(shí)現(xiàn)這一目標(biāo)的技術(shù)。例如，當(dāng)室外非常冷時(shí)，可以使用經(jīng)濟(jì)冷卻或自然冷卻，同時(shí)降低冷凍水設(shè)定值并降低冷通道溫度。 這減少了機(jī)房空氣處理器和服務(wù)器風(fēng)扇的氣流和功耗。當(dāng)數(shù)據(jù)中心使用靜態(tài)冷凍水設(shè)定點(diǎn)和靜態(tài)冷通道溫度時(shí)，就會(huì)失去這個(gè)機(jī)會(huì)。 不同效率冷水機(jī)組的功耗與冷通道溫度對(duì)比 在一年中最熱的下午，冷水機(jī)組的功耗最高，因?yàn)槔渌畽C(jī)組的升力很高。冷水機(jī)揚(yáng)程是指冷凝器中制冷劑與蒸發(fā)器中制冷劑之間的壓力差。在較高的揚(yáng)程下，壓縮機(jī)消耗更多的功率來(lái)驅(qū)動(dòng)熱力循環(huán)。 通過(guò)在下午幾個(gè)小時(shí)內(nèi)提高冷凍水設(shè)定點(diǎn)和冷通道溫度，可以減少升力，這減少了冷卻器壓縮機(jī)的功耗。業(yè)界使用 ASHRAE IT 設(shè)備空氣冷卻熱指南中的術(shù)語(yǔ)“臨時(shí)偏移”。 將風(fēng)冷式磁力軸承離心式冷水機(jī)和關(guān)鍵任務(wù)計(jì)算機(jī)房空氣處理器與開(kāi)源數(shù)字平臺(tái)和樓宇自動(dòng)化系統(tǒng)相結(jié)合，可以在任何給定時(shí)刻驅(qū)動(dòng)冷通道溫度，以適應(yīng)數(shù)據(jù)中心的負(fù)載。動(dòng)態(tài)冷凍水設(shè)定點(diǎn)和動(dòng)態(tài)冷通道整體溫度有助于優(yōu)化數(shù)據(jù)中心的功耗，而不會(huì)影響數(shù)據(jù)中心的正常運(yùn)行時(shí)間。這種持續(xù)優(yōu)化的方法可以實(shí)現(xiàn)數(shù)據(jù)中心的最佳實(shí)時(shí)能源效率，同時(shí)提供有助于維持正常運(yùn)行時(shí)間的冷通道溫度。 不斷發(fā)展的行業(yè)的創(chuàng)新技術(shù) 從歷史上看，數(shù)據(jù)中心使用的冷水機(jī)和其他暖通空調(diào)設(shè)備是為舒適冷卻而設(shè)計(jì)的，而不是數(shù)據(jù)中心。在舒適制冷中，冷凍水設(shè)定點(diǎn)約為 44 華氏度（6.6℃）。然而，服務(wù)器制造商越來(lái)越適應(yīng)在更高溫度下運(yùn)行的處理器和主板，這意味著它們可以使用高達(dá) 80 華氏度（26.6℃）的冷凍水進(jìn)行冷卻。 數(shù)據(jù)中心應(yīng)用冷水機(jī)組的創(chuàng)新使得冷凍水設(shè)定點(diǎn)可以達(dá)到 70 至 80 華氏度，有時(shí)甚至更高。當(dāng)使用自然冷卻時(shí)，可以降低功耗并增加每年的小時(shí)數(shù)，從而顯著減少數(shù)據(jù)中心全年消耗的電量。 風(fēng)冷式磁力軸承離心式冷水機(jī)專為數(shù)據(jù)中心設(shè)計(jì)，針對(duì)當(dāng)今數(shù)據(jù)中心行業(yè)普遍存在的白色空間和電梯內(nèi)的升高溫度進(jìn)行了優(yōu)化。它們可以提供高達(dá) 80 華氏度的冷凍水溫度并滿足低升力的要求，從而提高能源效率。 雖然大多數(shù)數(shù)據(jù)中心使用帶有自然冷卻盤(pán)管的風(fēng)冷式冷水機(jī)，以受益于較低的環(huán)境條件，但風(fēng)冷式磁力軸承離心式冷水機(jī)可以在倒置條件下運(yùn)行，并提供自然冷卻，無(wú)需額外的自然冷卻盤(pán)管。添加到冷水機(jī)冷凝器中的自然冷卻盤(pán)管可能會(huì)導(dǎo)致效率低下和額外的壓降，以及更重的設(shè)備和更大的碳足跡。它們?cè)黾拥嚼渌畽C(jī)上的重量都體現(xiàn)為碳，從構(gòu)成線圈的金屬到較重的運(yùn)輸和索具重量，再到需要本身含有更多鋼材的建筑結(jié)構(gòu)來(lái)支撐屋頂上的額外重量。使用更輕且無(wú)需倒轉(zhuǎn)操作的冷卻裝置可以在多個(gè)方面對(duì)建筑物本身的碳足跡產(chǎn)生積極影響。 無(wú)摩擦的磁力驅(qū)動(dòng)器也有利于正常運(yùn)行時(shí)間。如果電源中斷，典型的冷水機(jī)組可能需要長(zhǎng)達(dá) 10 分鐘才能重新啟動(dòng)。相比之下，磁力軸承離心式冷水機(jī)的壓縮機(jī)重啟時(shí)間要快得多，恢復(fù)供電后僅需三分鐘即可恢復(fù)滿負(fù)荷。由于風(fēng)冷磁力軸承離心式冷水機(jī)采用變速驅(qū)動(dòng)，因此不存在浪涌電流。這意味著快速、受控地恢復(fù)到滿容量和設(shè)定點(diǎn)。 為了進(jìn)一步提高數(shù)據(jù)中心的可持續(xù)性，風(fēng)冷式磁力軸承冷水機(jī)產(chǎn)生的噪音明顯低于許多螺桿式冷水機(jī)，有些還使用 R-1234ze，一種具有超低全球變暖潛值 (GWP) 的制冷劑。 不同類型冷水機(jī)的噪音級(jí)別 當(dāng)連接到基于人工智能的解決方案時(shí)，風(fēng)冷磁力軸承離心式冷水機(jī)組與采用電子換向電機(jī) (ECM) 設(shè)計(jì)的高效關(guān)鍵任務(wù)機(jī)房空氣處理器相結(jié)合，可以將冷通道溫度與實(shí)時(shí)負(fù)載相匹配，并優(yōu)化能源使用每時(shí)每刻。擁有動(dòng)態(tài)冷凍水設(shè)定點(diǎn)和冷通道溫度可以優(yōu)化能源使用，而不會(huì)對(duì)數(shù)據(jù)中心的正常運(yùn)行時(shí)間造成風(fēng)險(xiǎn)。 根據(jù)實(shí)時(shí)情況優(yōu)化能源使用 智能數(shù)字服務(wù)，例如基于人工智能 (AI) 的解決方案提供的服務(wù)，與風(fēng)冷磁力軸承離心式冷水機(jī)組和高效關(guān)鍵任務(wù)機(jī)房空氣處理器集成，提供最優(yōu)化的能源解決方案。結(jié)合動(dòng)態(tài)水設(shè)定點(diǎn)和常規(guī)冷凍水重置策略，可以進(jìn)一步節(jié)省能源。這些解決方案根據(jù)實(shí)時(shí)條件優(yōu)化氣流，并可以顯著減少數(shù)據(jù)中心的能源使用。 作為數(shù)字平臺(tái)的一部分，基于人工智能的解決方案可以是位于樓宇管理系統(tǒng) (BMS) 之上的咨詢或監(jiān)督功能。在那里，它確保數(shù)據(jù)中心人員可以評(píng)估實(shí)時(shí)數(shù)據(jù)中心負(fù)載和周圍環(huán)境條件下的實(shí)時(shí)數(shù)據(jù)中心需求，并了解歷史負(fù)載模式或趨勢(shì)。有了這些有價(jià)值的信息，設(shè)施管理人員可以確保系統(tǒng)盡可能高效地運(yùn)行。 冷凍水重置策略有助于減少環(huán)境溫度較高的數(shù)據(jù)中心在高峰需求期間的能源使用。冷水機(jī)的功耗取決于揚(yáng)程，揚(yáng)程較低意味著能源消耗較少。在一年中最熱的下午，需要較低的冷凍水溫度來(lái)冷卻數(shù)據(jù)中心。為了實(shí)現(xiàn)這一目標(biāo)，升力和功耗通常很高。然而，冷凍水設(shè)定點(diǎn)可以在下午四到五個(gè)小時(shí)內(nèi)調(diào)整到更高的溫度，以提高系統(tǒng)能源效率，同時(shí)依靠機(jī)房空氣處理器中高效 ECM 風(fēng)扇的小幅提升。 這種冷凍水重置偏離了標(biāo)準(zhǔn)條件，并且不受某些服務(wù)級(jí)別協(xié)議的允許。為了提高整體效率和數(shù)據(jù)中心的可持續(xù)性，在服務(wù)水平協(xié)議中包含每年一定小時(shí)數(shù)的冷凍水重置非常重要。 利用歷史趨勢(shì)，智能冷卻系統(tǒng)可以預(yù)測(cè)并為下一次負(fù)載變化做好準(zhǔn)備。例如，如果數(shù)據(jù)中心在上午 8 點(diǎn)左右持續(xù)產(chǎn)生大量熱量，則系統(tǒng)可以自動(dòng)從上午 7 點(diǎn)開(kāi)始逐步提高容量，而不是在上午 7:59 時(shí)以 100% 的容量運(yùn)行。這種逐步的提升可以最大限度地減少系統(tǒng)峰值，提高能源效率，甚至可以延長(zhǎng)設(shè)備壽命。 數(shù)字解決方案、互聯(lián)設(shè)備和樓宇自動(dòng)化技術(shù)的結(jié)合可以使數(shù)據(jù)中心更加智能、更加可持續(xù)。這些解決方案使設(shè)施管理人員能夠持續(xù)實(shí)時(shí)監(jiān)控設(shè)備運(yùn)行狀況和能源消耗，同時(shí)實(shí)現(xiàn)關(guān)鍵流程的自動(dòng)化。一些解決方案還提供易于閱讀的儀表板，用于顯示趨勢(shì)并在設(shè)置參數(shù)偏離指定值時(shí)通知指定人員。這使得設(shè)施團(tuán)隊(duì)能夠解決問(wèn)題、發(fā)現(xiàn)節(jié)能機(jī)會(huì)并推動(dòng)最重要的成果。 同時(shí)提高能源效率和正常運(yùn)行時(shí)間 技術(shù)領(lǐng)導(dǎo)者有非常嚴(yán)格的可持續(xù)發(fā)展目標(biāo)，并且有緊迫的期限來(lái)實(shí)現(xiàn)這些目標(biāo)。數(shù)據(jù)中心配備創(chuàng)新解決方案以幫助盡快實(shí)現(xiàn)這些目標(biāo)至關(guān)重要。專門設(shè)計(jì)的風(fēng)冷磁力軸承離心式冷水機(jī)組與人工智能驅(qū)動(dòng)的關(guān)鍵任務(wù)計(jì)算機(jī)房空氣處理器相結(jié)合，可以根據(jù)現(xiàn)實(shí)世界的空白空間條件優(yōu)化可持續(xù)性，并在保持正常運(yùn)行時(shí)間的同時(shí)顯著提高數(shù)據(jù)中心效率。 隨著服務(wù)器在高溫環(huán)境條件下運(yùn)行的能力越來(lái)越強(qiáng)，數(shù)據(jù)中心所有者和運(yùn)營(yíng)商也越來(lái)越適應(yīng)溫暖的冷通道，HVAC 設(shè)備必須準(zhǔn)備好在更高的冷凍水設(shè)定點(diǎn)和更高的冷通道溫度下運(yùn)行。這種長(zhǎng)期持有的設(shè)計(jì)思維方式的轉(zhuǎn)變提供了創(chuàng)建更智能、更可持續(xù)的數(shù)據(jù)中心架構(gòu)的機(jī)會(huì)，該架構(gòu)能夠協(xié)作并增強(qiáng)整體能源效率和可靠性。風(fēng)冷式磁力軸承離心式冷水機(jī)、關(guān)鍵任務(wù)機(jī)房空氣處理器和基于邏輯的 BMS 可以與數(shù)據(jù)中心一起成長(zhǎng)和發(fā)展，從而在今天和明天提供持續(xù)改進(jìn)。