边缘智能 关键技术与落地实践

基于边缘计算这一新型的计算模式，边缘智能在更加靠近用户和数据源头的网络边缘侧训练和部署深度学习模型，从而改善应用的性能、成本和隐私性。本书以深入浅出的方式，讲解边缘智能体系架构和关键技术，从时代宏观背景引领到关键支撑技术细节剖析，再到落地实战应用，理论与实践并重，循序渐进，博采而精取，分别向读者清晰地展现了边缘智能的“云-边-端”体系架构、数据与信任、模型与安全、资源与优化的技术脉络与方法原理。同时，结合开源平台资源，按照智能安防、智慧电梯、智慧社区、智慧医疗、智慧交通等具体应用场景，给出所讲述理论的落地应用案例和编程开发指导，旨在平衡知识的深度与广度，明确入门与进阶路径，使读者更加深入全面地理解边缘智能理论及实践方法。本书主要面向新一代信息技术初学者、程序开发者、前沿科技爱好者，尤其是在校大学生和相关领域研究人员。此外，学习进阶过程中，读者需要具备一定的编程功底和数学基础。

第1章边缘智能：“智能+”的新风口
1.1边缘智能产生的“大背景”1
1.1.1新一代信息技术的推动发展1
1.1.2国家政策的支持和引导6
1.1.3资本与业务需求的推动7
1.2身边的边缘智能“小案例”8
1.2.1京东快递与菜鸟驿站8
1.2.2智能快递柜收费“风波”10
1.3边缘智能发展的三大阶段12
1.3.1第一阶段：边缘智能探索12
1.3.2第二阶段：“智能+”边缘12
1.3.3第三阶段：边缘智能体系13
1.4站在“智能+”的新风口14
1.4.1“智能+”技术的新融合14
1.4.2应用行业的多维度15
1.4.3新兴市场的大繁荣16
1.5本章小结17
第2章何为边缘智能
2.1边缘智能的定义18
2.2边缘智能的前世今生19
2.2.1网络通信角度的演进20
2.2.2计算服务角度的演进23
2.2.3“智能+”角度的演进27
2.3边缘智能面临的挑战及研究方向30
2.3.1面临的挑战：安全、智能应用和优化30
2.3.2．研究方向：安全、智能、协同、优化32
2.4边缘智能的重要应用场景35
2.4.1无人驾驶35
2.4.2智能安防36
2.4.3智能家居37
2.4.4工业机器人38
2.5本章小结40
第3章“云-边-端”体系架构
3.1系统工程方法论41
3.1.1系统工程概述41
3.1.2基本方法42
3.2体系架构模型44
3.2.1概念框架44
3.2.2层次结构46
3.3协同模式47
3.3.1“云-边”协同48
3.3.2“边-边”协同49
3.3.3“边-端”协同50
3.3.4“云-边-端”协同50
3.4度量指标51
3.5前沿方向54
3.5.1“云-边-端”区块链54
3.5.2边缘云原生容器服务56
3.5.3“云-边-端”一体化机器人系统57
3.6本章小结59
第4章边缘智能中的数据与信任
4.1区块链技术概述61
4.1.1基础架构61
4.1.2重要组件64
4.1.3主流开源技术68
4.2数据管理与隐私保护70
4.2.1数据管理架构70
4.2.2隐私保护72
4.3边缘智能中的信任74
4.3.1信任的基本概念74
4.3.2信任管理76
4.4解决方案78
4.4.1服务模式层面的解决方案78
4.4.2部署方式层面的解决方案79
4.5前沿方向80
4.5.1面向资源受限环境的性能扩展80
4.5.2跨域的分布式信任80
4.5.3智能应用与隐私保护的平衡81
4.6本章小结81
第5章边缘智能中的模型与安全
5.1模型压缩83
5.1.1深度神经网络基础83
5.1.2模型压缩方法86
5.1.3模型压缩工具框架90
5.2联邦学习93
5.2.1基本概念93
5.2.2安全性分析97
5.3解决方案100
5.3.1百度联邦学习框架PaddleFL100
5.3.2微众银行联邦学习框架FATE100
5.3.3腾讯联邦学习框架AngelFL101
5.3.4平安科技联邦学习平台“蜂巢”101
5.4前沿方向102
5.4.1面向“云-边-端”应用的模型压缩102
5.4.2面向边缘智能的联邦学习103
5.5本章小结104
第6章边缘智能中的资源与优化
6.1计算卸载106
6.1.1基本流程106
6.1.2运行机制108
6.1.3策略分类109
6.2资源分配优化111
6.2.1很优化理论基础112
6.2.2马尔可夫决策过程112
6.2.3深度强化学习113
6.2.4资源分配优化问题建模115
6.3解决方案118
6.3.1面向不可分割任务的计算卸载方案118
6.3.2面向可分割任务的协同计算卸载方案118
6.3.3多节点资源分配方案120
6.4前沿方向122
6.4.1新型计算卸载策略122
6.4.2“云-边-端”高效的资源分配优化模型123
6.4.3数据安全协同模式解决安全性问题123
6.5本章小结124
第7章智能安防场景下的边缘智能实践
7.1实践背景125
7.1.1智能安防的发展、挑战和新要求125
7.1.2危险物品检测129
7.2技术梳理130
7.2.1视觉目标检测130
7.2.2轻量级卷积神经网络132
7.3实践案例：基于Jetson Nano的枪支检测134
7.3.1基础环境准备134
7.3.2数据集准备136
7.3.3模型训练138
7.3.4测试部署139
7.4本章小结140
参考资源141
第8章智慧电梯场景下的边缘智能实践
8.1实践背景142
8.1.1智慧电梯：无接触式交互的“垂直出行”142
8.1.2智能语音：人机交互的“私人助手”144
8.2技术梳理146
8.2.1语音识别：人工智能关键步骤146
8.2.2智慧电梯语音指令识别流程152
8.3实践案例：基于深度神经网络的通用电梯语言指令识别153
8.3.1基础环境与数据集构建153
8.3.2模型设计与训练154
8.3.3性能测试156
8.4实践案例：基于树莓派的可编程电梯语音识别157
8.4.1基础环境157
8.4.2GPIO编程157
8.4.3部署测试160
8.5本章小结161
参考资源161
第9章智慧社区场景下的边缘智能实践
9.1实战背景163
9.1.1智慧社区：民生的智慧“生活圈”163
9.1.2社区中生活垃圾分类166
9.2技术梳理168
9.2.1垃圾图像分类168
9.2.2联邦学习171
9.3实践案例：基于联邦学习的垃圾图像分类174
9.3.1基础环境：FATE174
9.3.2数据集构建176
9.3.3模型构建177
9.3.4训练与测试结果179
9.4本章小结180
参考资源181
第10章智慧医疗场景下的边缘智能实践
10.1实践背景182
10.1.1智慧医疗：患者数据获取、知识发现和远程服务模式182
10.1.2医疗数据隐私保护184
10.2技术梳理186
10.2.1联盟区块链医疗数据管理186
10.2.2云原生软件开发190
10.3实践案例：基于联盟区块链的医疗数据隐私保护方案193
10.3.1总体框架设计193
10.3.2基础环境部署193
10.3.3功能实现196
10.4本章小结199
参考资源200
第11章智慧交通场景下的边缘智能实践
11.1实践背景201
11.1.1智慧交通：“云-边-端”架构下“人-车-路”协同201
11.1.2计算机视觉205
11.2技术梳理207
11.2.1车牌识别207
11.2.2智慧交通应用系统设计209
11.3实践案例：基于计算机视觉的智慧交通应用系统实现212
11.3.1基础环境搭建212
11.3.2功能实现214
11.4本章小结219
参考资源219
第12章开源平台
12.1面向终端的边缘智能开源平台220
12.1.1EdgeX Foundry：工业场景标准化智能框架220
12.1.2Fledge：独立开放互操作智能框架221
12.1.3ioFog：Eclipse开发的边缘智能平台223
12.1.4Edgent：Apache开源的边缘智能模型224
12.2面向边端的边缘智能开源平台225
12.2.1Akraino Edge Stack：高性能边端服务框架225
12.2.2CORD：灵活重构的网络边缘基础设施226
12.2.3StarlingX：面向边缘智能的OpenStack集成平台227
12.3面向“云-边-端”协同的边缘智能开源平台229
12.3.1OpenEdge：百度云计算能力的智能拓展229
12.3.2Azure IoT Edge：微软云边混合智能框架230
12.3.3KubeEdge：CNCF云原生服务的边缘智能基础设施231
12.3.4Link Edge：阿里云一体化协同计算体系231
12.3.5IEF：华为云企业级边缘智能服务232
12.4本章小结234
参考资源234
参考文献
致谢