IOT.
使用Edge Computing和Sensor Fusion实现连接的世界
传感器技术的进步和计算能力耦合的价格降低导致了与互联网相连的“东西”数量的指数增加。因此，从自动车辆到农业，跨行业的传感器融合和边缘计算系统增加了更多的传感器融合和边缘计算系统。
制造业将是传感器融合和边缘计算的早期采用者，以实现现有的IOT实现，以便实时在生产工作流中带来速度和敏捷性。智能工业机器人如果能够在边缘处理数据，部署在工厂楼层可能会变得更加响应和自给自足。这些可以促进更快地提取洞察力和增加机器学习算法的应用。
聪明的农业可能是另一个区域，其中与传感器融合和边缘计算结合可以带来效率。这些农业农场更频繁地位于远程和敌对地点，导致连接和带宽问题。在这种情况下，边缘计算可以帮助智能农场有效地监控温度，设备健康和整体过程以采取先发制人的行动。
石油和天然气工业是另一个具有大量IOT设备和传感器的行业。石油和天然气钻机部署超过10,000个传感器，所有这些数据都累积并传输到云网络。捕获的一些数据只是意味着系统是否正常运行。在这种情况下，边缘计算系统可以在本地编译和分析信息，并且只有整个系统报告以及重要数据可以在日期结束时将其发送到云网络，减少了遍历网络的数据。
自动车辆由于其对自动驾驶车辆的实时决策功能，工业也将是早期采用者。随着AI算法的改进，传感器技术和计算能力，像Waymo，Tesla和奥迪这样的公司正在大量投资自动车辆。这些车辆利用各种技术和传感器，例如雷达，GPS，激光雷达，径流等，分析和检测周围环境，并以自己的决策，保持安全优先，在导航时。来自这些各种传感器的信号被整合以估计物体的位置和类型（即人类，动物，其他车辆等），物体移动的速度和运动的轨迹。为了合并所有这些传感器信息，公司实现了一种称为传感器融合的技术。
什么是传感器融合技术
传感器融合被定义为组合多个物理传感器数据以产生准确的地面真理的技术，即使每个单独的传感器都是不可靠的。
来自多个源的数据有助于消除错误并将这些数据与上下文信息组合使得数据比来自单个传感器源的数据更有用。传感器融合技术有助于移除时间，嘈杂的输入并产生对物体的动力状态的概率更好地估计。但目前大多数这些传感器融合数据的处理都在云上完成，因此遭受了光延迟的固有速度。如果它将行人跳到车辆的道路上，则自动车辆必须立即响应。它需要大约100毫秒的大型数据集以从云来回行驶，并且一秒钟的一分的流逝可能是与行人碰撞或避免碰撞之间的区别。对于自治车辆实现情境感知，他们需要处理边缘的传感器信息。在需要从云发送和接收信息的同时，自动车辆需要边缘计算能力以获得更高的接受。
了解边缘计算
边缘计算是一个分布式打开的IT架构，使系统能够在信息源附近或在信息源上计算数据而不是将信息转换到云。边缘计算使得实时数据处理无需延迟。
利用边缘计算能力，系统可以执行有效的数据处理，因为可以在源处或附近处理大量数据，从而减少了因特网带宽使用。除了降低整体成本外，它确保系统也可以在远程位置运行。此外，消除了将所有信息中继到公共云的需要实现敏感信息的额外安全性。
根据CB洞察，全球优势计算市场可能达到2022美元至6.72b1。采用边缘计算将基于：
- 潜伏数据捕获和计算之间的最小化
- 减少互联网带宽消费
- 改善数据安全通过消除对公共云基础架构的敏感数据传输
- 降低运营成本
- 遵守各种各样的规范和合规性规范关于跨越边界的信息转移
虽然边缘计算相对迅速，主要的云服务提供商正在为其产品添加边缘计算解决方案。AWS GreenGrass.来自亚马逊，使设备能够在数据上行动，同时仍然使用云进行管理，分析和耐用存储。Azure IoT.Microsoft的解决方案将云分析扩展到Edge设备，可以脱机使用。相似地，云IOT边缘来自Google扩展了强大的数据处理和机器学习到边缘设备。
Infosys认为，Edge Computing将为旧挑战带来新的解决方案
与华为合作的Infosys根据开放边缘计算物联网发布了一款智能工业机器人解决方案。该解决方案支持来自多个供应商的工业机器人的互连，以及帮助制造商预测故障并提高维护效率。该解决方案能够将工业机器人的停机时间减少超过70％，缺陷率为40％。该解决方案还能够根据资源利用率来安排生产率，并优化这些生产线以实现最高效率。
Infosys还在致力于具有边缘计算能力的无人机LED检测系统。该解决方案将使客户端能够最佳地利用无人机舰队在远程位置中的资产与间歇性的互联网连接，而无需承认系统的有效性。
增加了物联网和价格的减少，不仅在物联网空间中开辟了商业机会，而且在边缘计算和传感器融合区域方面开辟了商机。除了构建较近数据源的计算网络之外，还有更新的商业模式沿着提供传感器融合平台服务的线路发展。在金钱和人力资源方面，在这些领域的投资将使组织能够避免进化和收获奖励。
