一文了解大型物联网框架中边缘节点检测和测量能力的4个基本方面

通过分析这类信息，可以帮助提高效率、减少停机情况并提前预测机械故障。在极端情况下，可迅速关闭机械元件正在急剧恶化的机器，从而避免造成进一步的损坏。

图6. 虽然可以定期执行例行机器维护，但这通常不是根据机器状况而智能进行的。通过分析特定机器操作的振动性能，可在边缘节点处发出预测故障点和维护里程碑警告。

 

通过实现边缘节点分析，可以显著缩短决策时间延迟。图7显示了这样的一个示例，在这个示例中，在超出MEMS传感器警告阈值限制后，系统立即发送了警告。如果事件极其严重而被认定为关键事件，可授权节点自动禁用违规设备，以防止发生非常耗时的灾难性机械故障。

 

或者，可以调用触发信号以使能另一个检测和测量节点（如备用机器元件上的节点），以便开始根据第一个事件来解读数据。这样可以减少来自边缘节点的采样数据总量。要确定相对于标称值的任何振动异常，前端节点在设计上必须达到所需的检测性能。检测和测量电路的动态范围、采样率和输入带宽应该足以识别任何偏移事件。

图7. 机器振动采样数据的时域表示，其中比较器阈值可决定是否将检测和测量数据传送到边缘以外。系统可保持低功耗状态以过滤大部分信息，直到通过阈值交叉事件实现数据优势为止。

 

 

智能城市

另一种工业物联网边缘节点应用为具有嵌入式视频分析的智慧城市工业摄像机。根据智慧城市的定义，城市的使命是将无数的信息和通信点汇聚到一个凝聚的系统中，以实现对城市资产的管理。

 

一种常见的应用是提供停车位空缺提醒和占用检测。调试期间会为各摄像机预先确定视场。分析机制中可以定义和使用边界边缘检测来识别各种对象及其运动。在边缘处，不仅可以分析对象的历史运动，还可使用数字信号处理(DSP)算法来根据对象轨迹计算预测的路径。

图8. 利用边缘节点视频分析，可在低功耗系统中确定对象类型检测、轨迹和边界交叉，而无需将全带宽视频数据发送至云端进行分析。只需传输时间戳及痕迹对象坐标和类型。

 

在类似的频率滤波中，终端处理通常不需要全带宽的视频分析帧。通常，不用于安全目的时，只需要完整视频帧的一小部分。在固定安装的摄像机上，帧与帧之间的大部分可视数据为静态数据。静态数据可以过滤掉。在一些情况下，只需要分析目标对象的边界交叉数或运动坐标。缩减的信息子集可以采用痕迹坐标的形式传输至信号链中的下一网关。

 

边缘节点视频分析可提供多种滤波解读来区分各种对象类型，例如汽车、卡车、自行车、人类和动物等。这种抽取操作减少了云服务器上所需的数据带宽和计算能力，而如果要分析下游发送的全帧速率视频数据，则会占用大量的数据带宽和计算能力。

 

室内摄像机应用可以识别穿过入口边界的人数，还可调整房间的照明、加热或制冷。要在极端照明条件或其他具有挑战性的照明条件（如降雨）下实现视觉有效性，室外摄像机可能需要具有高动态范围。每像素8位或10位的典型成像传感器可能无法在所有检测情形中的照明条件下，提供足够的亮度动态范围。相较于以240 Hz的刷新速率查看快速运动，工业分析摄像机上可以使用较慢的帧速率来监控活动。

图9. 通过在边缘节点处部署采用DSP对象检测算法的高动态范围成像 器，即使在低照明条件下，也可以确定运动和边界入侵。这个示例使用视觉对比来定义室内工厂/办公室（左侧）和室外停车场（右侧）的边缘检测。

 

 

ADI 平台级解决方案

ADT7420是一款具有突破性性能的4 mm × 4 mm数字温度传感器，内置16位ADC，分辨率可达0.0078°C，功耗仅为210μA。

 

ADXL362是一款超低功耗、3轴MEMS加速度计，在运动触发唤醒模式下，以100 Hz采样速率工作时功耗仅为2 μA。它不使用功率占空比，而是在所有数据速率下均采用全带宽架构，从而防止了输入信号混叠。

 

ADIS16229是一款具有嵌入式射频收发器的双轴18 g数字MEMS振动传感器。它还通过512点数字FFT能力提供了片上频域信号处理功能。

 

支持DSP的Blackn低功耗成像平台(BLIP)11可基于成熟的数字信号处理工具实现工业视觉设计的快速原型制作。优化的软件库为设备制造商提供了用于运动检测、人数统计和车辆检测的开箱即用解决方案。