-
舊設(shè)備，新危險(xiǎn)：不受支持的物聯(lián)網(wǎng)技術(shù)的風(fēng)險(xiǎn) 過時(shí)的設(shè)備通常很容易成為攻擊者的目標(biāo)，特別是如果它們存在可被利用的漏洞，并且由于它們的生命周期結(jié)束而沒有可用的補(bǔ)丁。 攻擊過時(shí)或易受攻擊的設(shè)備是一個(gè)問題，但為什么會(huì)有人試圖攻擊已停產(chǎn)的設(shè)備或運(yùn)行不支持軟件的設(shè)備呢?為了獲得控制權(quán)?監(jiān)視別人?答案是多方面的。 生命的終結(jié)即將來臨——對你的設(shè)備來說 當(dāng)一個(gè)設(shè)備變得過時(shí)的時(shí)候，可能是因?yàn)樗耍姓哔I了一個(gè)新的，或者與它的現(xiàn)代替代品相比，它缺乏功能，制造商將注意力轉(zhuǎn)移到新型號上，并將舊型號指定為生命周期結(jié)束(EOL)。 在此階段，制造商停止?fàn)I銷、銷售或提供產(chǎn)品的部件、服務(wù)或軟件更新。這可能意味著很多事情，但從我們的角度來看，這意味著設(shè)備安全性不再得到適當(dāng)維護(hù)，使最終用戶容易受到攻擊。 在支持結(jié)束后，網(wǎng)絡(luò)罪犯可以開始占上風(fēng)。相機(jī)、電話會(huì)議系統(tǒng)、路由器和智能鎖等設(shè)備的操作系統(tǒng)或固件一旦過時(shí)，就不會(huì)再接收安全更新，從而為黑客攻擊或其他濫用行為敞開大門。 據(jù)估計(jì)，全球有大約170億臺物聯(lián)網(wǎng)設(shè)備（從門禁攝像頭到智能電視），而且這個(gè)數(shù)字還在不斷增加。假設(shè)其中只有三分之一在五年內(nèi)過時(shí)。這意味著超過56億臺設(shè)備可能容易受到攻擊——雖然不是馬上，但隨著支持枯竭，這種可能性會(huì)增加。 很多時(shí)候，這些易受攻擊的設(shè)備最終會(huì)成為僵尸網(wǎng)絡(luò)的一部分——在黑客的指揮下，設(shè)備網(wǎng)絡(luò)變成了僵尸，聽從他們的命令。 一個(gè)人的垃圾是另一個(gè)人的寶藏 僵尸網(wǎng)絡(luò)利用過時(shí)且易受攻擊的物聯(lián)網(wǎng)設(shè)備的一個(gè)很好的例子是Mozi。這個(gè)僵尸網(wǎng)絡(luò)因每年劫持?jǐn)?shù)十萬臺互聯(lián)網(wǎng)連接設(shè)備而臭名昭著。一旦受到攻擊，這些設(shè)備就會(huì)被用于各種惡意活動(dòng)，包括數(shù)據(jù)盜竊和傳遞惡意軟件負(fù)載。僵尸網(wǎng)絡(luò)非常頑固，能夠快速擴(kuò)張，但它在2023年被摧毀。 利用物聯(lián)網(wǎng)攝像機(jī)等設(shè)備中的漏洞，攻擊者可以將其用作監(jiān)視工具，監(jiān)視您和您的家人。一旦發(fā)現(xiàn)IP地址，遠(yuǎn)程攻擊者就可以接管易受攻擊的聯(lián)網(wǎng)攝像機(jī)，而無需事先訪問攝像機(jī)或知道其登錄憑據(jù)。易受攻擊的EOL物聯(lián)網(wǎng)設(shè)備名單還在繼續(xù)，制造商通常不會(huì)采取行動(dòng)修補(bǔ)此類易受攻擊的設(shè)備；事實(shí)上，當(dāng)制造商倒閉時(shí)，這是不可能的。 為什么有人會(huì)使用制造商認(rèn)為不受支持的過時(shí)設(shè)備？無論是缺乏意識還是不愿意購買最新產(chǎn)品，原因可能很多，而且可以理解。然而，這并不意味著這些設(shè)備應(yīng)該繼續(xù)使用——尤其是當(dāng)它們停止接收安全更新時(shí)。 或者，為什么不給它們一個(gè)新的用途呢？ 舊設(shè)備，新用途 由于我們身邊有大量的物聯(lián)網(wǎng)設(shè)備，出現(xiàn)了一種新趨勢：將舊設(shè)備重新用于新用途。例如，將舊iPad變成智能家居控制器，或?qū)⑴f手機(jī)用作數(shù)碼相框或汽車GPS。可能性很多，但仍應(yīng)牢記安全性——這些電子設(shè)備由于其易受攻擊的性質(zhì)，不應(yīng)連接到互聯(lián)網(wǎng)。 另一方面，從安全角度來看，將舊設(shè)備扔掉也不是一個(gè)好主意。除了不讓有毒物質(zhì)弄亂垃圾填埋場的環(huán)境角度外，舊設(shè)備還可能包含其使用期間收集的大量機(jī)密信息。 同樣，不受支持的設(shè)備也可能最終成為僵尸網(wǎng)絡(luò)（由攻擊者控制并用于邪惡目的的受感染設(shè)備網(wǎng)絡(luò)）中的僵尸。這些僵尸設(shè)備通常最終被用于分布式拒絕服務(wù)(DDoS)攻擊，以報(bào)復(fù)性方式使某人的網(wǎng)絡(luò)或網(wǎng)站超載，或用于其他目的，例如轉(zhuǎn)移對另一次攻擊的注意力。 僵尸網(wǎng)絡(luò)可以造成很大的破壞，很多時(shí)候需要一個(gè)聯(lián)盟（通常由多個(gè)警察部隊(duì)與網(wǎng)絡(luò)安全機(jī)構(gòu)和供應(yīng)商合作組成）來摧毀或破壞僵尸網(wǎng)絡(luò)，例如Emotet僵尸網(wǎng)絡(luò)的情況。然而，僵尸網(wǎng)絡(luò)非常有彈性，它們可能會(huì)在破壞后重新出現(xiàn)，從而引發(fā)進(jìn)一步的事件。 智能世界、智能罪犯和僵尸 關(guān)于智能設(shè)備如何為騙子利用毫無戒心的用戶和企業(yè)提供更多途徑，還有很多話可以說，關(guān)于數(shù)據(jù)安全和隱私的討論是值得的。 然而，從所有這些中可以得出的結(jié)論是，你應(yīng)該始終保持設(shè)備更新，如果無法做到這一點(diǎn)，請嘗試安全地處理它們（擦除舊數(shù)據(jù)），在安全處理后用新設(shè)備替換它們，或者為它們找到新的、連接性更低的用途。 過時(shí)的設(shè)備很容易成為攻擊目標(biāo)，因此通過斷開它們與互聯(lián)網(wǎng)的連接或停止使用它們，你可以感到安全，不會(huì)受到任何網(wǎng)絡(luò)危害。 -
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)通信連接起來的整體方法是智能交通和未來的基礎(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)和娛樂而旅行，貨物運(yùn)輸也在增加。當(dāng)疫情來襲時(shí)，運(yùn)輸運(yùn)營商不得不幾乎在一夜之間調(diào)整他們的運(yùn)營，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人類互動(dòng)或干預(yù)的需求的技術(shù)優(yōu)勢都被考慮在內(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)營商都需要高效、順暢地通過他們的系統(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)營商擁有來自路線、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)門無法打開，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。一線員工需要訪問所有最新信息以解答乘客的疑問。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)幅員遼闊的國家尤其嚴(yán)重，因?yàn)樵搰鴩?yán)重依賴長途運(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，使運(yùn)營商能夠優(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)：通過訪問來自多個(gè)系統(tǒng)的實(shí)時(shí)信息，運(yùn)營商可以提供有關(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業(yè)務(wù)產(chǎn)生積極影響。 數(shù)據(jù)貨幣化：運(yùn)營的整體統(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——跨有線和無線環(huán)境的統(tǒng)一管理系統(tǒng)可無縫查看所有系統(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)營所需的技術(shù)，例如： 虛擬化和自動(dòng)化，以簡化基礎(chǔ)設(shè)施、減少對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)營和 IT 系統(tǒng)及子系統(tǒng)整合在一起，以簡化基礎(chǔ)設(shè)施并最大限度地減少對環(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 知識就是力量，交通子系統(tǒng)連接得越緊密，運(yùn)營就越智能、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)視覺進(jìn)行物體檢測？ 如何利用計(jì)算機(jī)視覺進(jìn)行物體檢測？ 物體檢測是計(jì)算機(jī)視覺中的一項(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、人臉識別系統(tǒng)、零售分析任務(wù)和野生動(dòng)物監(jiān)測。這個(gè)過程分若干個(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的基礎(chǔ)知識、常用算法以及物體檢測的分步指南。 什么是物體檢測？ 物體檢測是計(jì)算機(jī)視覺中用于圖像分類的通用術(shù)語。雖然分類會(huì)為圖像分配一個(gè)標(biāo)簽，但物體檢測會(huì)確定圖像中的多個(gè)對象，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，物體檢測成為實(shí)際應(yīng)用中更強(qiáng)大的工具。 物體檢測中的概念 a.邊界框：這指的是在圖像中檢測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)，顯示算法對該物體的正確識別有多確定。 b.交并比(IoU)：這是應(yīng)用于物體檢測的度量，用于根據(jù)物體證明檢測器的準(zhǔn)確性。這會(huì)將真實(shí)值與預(yù)測的邊界框進(jìn)行比較。這計(jì)算預(yù)測和真實(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)，表示模型對特定邊界框作為感興趣對象一部分的反應(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，后來也擴(kuò)展到處理物體檢測問題。CNN經(jīng)過訓(xùn)練可以對圖像中的物體進(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算法。 1.單次檢測（SSD） SSD是一種基于深度學(xué)習(xí)的標(biāo)準(zhǔn)現(xiàn)代物體檢測方法。其通過神經(jīng)網(wǎng)絡(luò)一次性檢測物體，預(yù)測物體的邊界框，同時(shí)預(yù)測類別概率。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)代物體檢測問題奠定了基礎(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。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CNN多次，因此與SSD相比耗時(shí)過多。 3.YOLO 另一種流行的基于深度學(xué)習(xí)的物體檢測技術(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)測每個(gè)網(wǎng)格單元的邊界框和類別概率。通過這種方式，YOLO在神經(jīng)網(wǎng)絡(luò)的一次前向傳遞中做出預(yù)測，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，最近開發(fā)的基于深度學(xué)習(xí)的方法，例如單次多框檢測器和更快的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)的檢測性能。 物體檢測的未來 未來幾年，物體檢測將不斷進(jìn)步、復(fù)雜化、準(zhǔn)確度和速度。基于目前正在開發(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)行的物體檢測系統(tǒng)的出現(xiàn)。 隨著物體檢測技術(shù)的不斷進(jìn)步，我們可以大膽地推測，在不久的將來，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)視覺中物體檢測的未來令人興奮且前景光明。 總結(jié) 物體檢測是計(jì)算機(jī)視覺的先鋒，因?yàn)槠涫状问箼C(jī)器能夠以無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)安全的面部檢測系統(tǒng)，物體檢測的應(yīng)用多種多樣且引人注目。本文探討了一些基本概念、流行算法和未來方向，這些構(gòu)成了強(qiáng)調(diào)物體檢測是一個(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，物體檢測變得越來越復(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。物體檢測確實(shí)有著光明的未來，包括更多智能視覺系統(tǒng)的集成，這些系統(tǒng)將成為人類生活的一部分。 常見問題解答： 1、計(jì)算機(jī)視覺中的物體檢測是什么？ 答：物體檢測是一種計(jì)算機(jī)視覺技術(shù)，可識別和定位圖像或視頻中的對象。其超越了圖像分類，可檢測多個(gè)對象，并使用邊界框提供其位置。 2、物體檢測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，以識別特定對象的存在。而物體檢測會(huì)識別圖像中的多個(gè)對象并提供其位置，通常以邊界框的形式顯示。 3、物體檢測中的邊界框是什么？ 答：邊界框是在圖像中檢測到的物體周圍繪制的矩形框。其包括標(biāo)識物體的標(biāo)簽，例如“汽車”或“狗”，和表示模型預(yù)測確定性的置信度分?jǐn)?shù)。 4、物體檢測中的交并比(IoU)是什么？ 答：IoU是通過比較預(yù)測邊界框和真實(shí)邊界框之間的重疊來評估對象檢測器準(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算法？ 答：流行的物體檢測算法包括單次檢測(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)視覺進(jìn)行物體檢測？ 如何利用計(jì)算機(jī)視覺進(jìn)行物體檢測？ 物體檢測是計(jì)算機(jī)視覺中的一項(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、人臉識別系統(tǒng)、零售分析任務(wù)和野生動(dòng)物監(jiān)測。這個(gè)過程分若干個(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的基礎(chǔ)知識、常用算法以及物體檢測的分步指南。 什么是物體檢測？ 物體檢測是計(jì)算機(jī)視覺中用于圖像分類的通用術(shù)語。雖然分類會(huì)為圖像分配一個(gè)標(biāo)簽，但物體檢測會(huì)確定圖像中的多個(gè)對象，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，物體檢測成為實(shí)際應(yīng)用中更強(qiáng)大的工具。 物體檢測中的概念 a.邊界框：這指的是在圖像中檢測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)，顯示算法對該物體的正確識別有多確定。 b.交并比(IoU)：這是應(yīng)用于物體檢測的度量，用于根據(jù)物體證明檢測器的準(zhǔn)確性。這會(huì)將真實(shí)值與預(yù)測的邊界框進(jìn)行比較。這計(jì)算預(yù)測和真實(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)，表示模型對特定邊界框作為感興趣對象一部分的反應(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，后來也擴(kuò)展到處理物體檢測問題。CNN經(jīng)過訓(xùn)練可以對圖像中的物體進(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算法。 1.單次檢測（SSD） SSD是一種基于深度學(xué)習(xí)的標(biāo)準(zhǔn)現(xiàn)代物體檢測方法。其通過神經(jīng)網(wǎng)絡(luò)一次性檢測物體，預(yù)測物體的邊界框，同時(shí)預(yù)測類別概率。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)代物體檢測問題奠定了基礎(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。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CNN多次，因此與SSD相比耗時(shí)過多。 3.YOLO 另一種流行的基于深度學(xué)習(xí)的物體檢測技術(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)測每個(gè)網(wǎng)格單元的邊界框和類別概率。通過這種方式，YOLO在神經(jīng)網(wǎng)絡(luò)的一次前向傳遞中做出預(yù)測，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，最近開發(fā)的基于深度學(xué)習(xí)的方法，例如單次多框檢測器和更快的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)的檢測性能。 物體檢測的未來 未來幾年，物體檢測將不斷進(jìn)步、復(fù)雜化、準(zhǔn)確度和速度。基于目前正在開發(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)行的物體檢測系統(tǒng)的出現(xiàn)。 隨著物體檢測技術(shù)的不斷進(jìn)步，我們可以大膽地推測，在不久的將來，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)視覺中物體檢測的未來令人興奮且前景光明。 總結(jié) 物體檢測是計(jì)算機(jī)視覺的先鋒，因?yàn)槠涫状问箼C(jī)器能夠以無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)安全的面部檢測系統(tǒng)，物體檢測的應(yīng)用多種多樣且引人注目。本文探討了一些基本概念、流行算法和未來方向，這些構(gòu)成了強(qiáng)調(diào)物體檢測是一個(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，物體檢測變得越來越復(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。物體檢測確實(shí)有著光明的未來，包括更多智能視覺系統(tǒng)的集成，這些系統(tǒng)將成為人類生活的一部分。 常見問題解答： 1、計(jì)算機(jī)視覺中的物體檢測是什么？ 答：物體檢測是一種計(jì)算機(jī)視覺技術(shù)，可識別和定位圖像或視頻中的對象。其超越了圖像分類，可檢測多個(gè)對象，并使用邊界框提供其位置。 2、物體檢測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，以識別特定對象的存在。而物體檢測會(huì)識別圖像中的多個(gè)對象并提供其位置，通常以邊界框的形式顯示。 3、物體檢測中的邊界框是什么？ 答：邊界框是在圖像中檢測到的物體周圍繪制的矩形框。其包括標(biāo)識物體的標(biāo)簽，例如“汽車”或“狗”，和表示模型預(yù)測確定性的置信度分?jǐn)?shù)。 4、物體檢測中的交并比(IoU)是什么？ 答：IoU是通過比較預(yù)測邊界框和真實(shí)邊界框之間的重疊來評估對象檢測器準(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算法？ 答：流行的物體檢測算法包括單次檢測(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)識別和理解來自數(shù)字照片、視頻和其他視覺輸入的有意義的信息。當(dāng)它檢測到缺陷或問題時(shí)，可以建議或采取行動(dòng)。它通過使用機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)來實(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)視覺中的作用、實(shí)現(xiàn)方式，及其對計(jì)算機(jī)視覺模型性能的影響。 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，更具體地說在計(jì)算機(jī)視覺中，通過數(shù)據(jù)增強(qiáng)來提高模型泛化能力是非常常見的。 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，這可能通過正則化模型來幫助過度擬合。 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。 常見的數(shù)據(jù)增強(qiáng)技術(shù) a.圖像旋轉(zhuǎn)：通過將圖像旋轉(zhuǎn)任意角度，可以使模型不受物體方向的影響，例如，為識別貓而創(chuàng)建的模型應(yīng)該能夠識別貓，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)更加多樣化的簡單而有效的方法。當(dāng)感興趣的對象是對稱的時(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)境中檢測物體的能力。 e.色彩抖動(dòng)：可以改變圖像的亮度、對比度、飽和度和色調(diào)來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，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)雜的方法來提高模型性能。 a.生成對抗網(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，可以通過創(chuàng)建原始圖像的風(fēng)格化版本來進(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法從過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)問題是數(shù)據(jù)增強(qiáng)的計(jì)算成本。在訓(xùn)練過程中實(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)該通過使用高效的數(shù)據(jù)管道和利用GPU等硬件加速器來緩解這一問題。 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)視覺領(lǐng)域的一項(xiàng)強(qiáng)大技術(shù)，可通過重新調(diào)整訓(xùn)練數(shù)據(jù)的多樣性來提高性能并推廣模型。數(shù)據(jù)增強(qiáng)使模型能夠從簡單的轉(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。 常見問題解答： 1、計(jì)算機(jī)視覺中的數(shù)據(jù)增強(qiáng)是什么？ 答：數(shù)據(jù)增強(qiáng)涉及對圖像應(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度擬合的風(fēng)險(xiǎn)。 3、有哪些常見的數(shù)據(jù)增強(qiáng)技術(shù)？ 答：常見的技術(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、有哪些高級的數(shù)據(jù)增強(qiáng)方法？ 答：先進(jìn)的方法包括生成對抗網(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,如生成性對抗網(wǎng)絡(luò)(GAN)或變分自動(dòng)編碼器(VAE)。對于沒有強(qiáng)大的機(jī)器學(xué)習(xí)背景的學(xué)習(xí)者來說，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。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學(xué)習(xí)者來說是具有挑戰(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、偏見和道德考慮 生成式人工智能模型可能會(huì)無意中延續(xù)訓(xùn)練數(shù)據(jù)中存在的偏見。了解和解決這些道德問題對于負(fù)責(zé)任的人工智能開發(fā)至關(guān)重要。學(xué)習(xí)設(shè)計(jì)減輕偏見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，對學(xué)習(xí)者來說是一個(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自多個(gè)學(xué)科的知識,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。對于需要跨學(xué)科導(dǎo)航的學(xué)習(xí)者來說，整合這些不同領(lǐng)域的知識可能會(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)和解決問題的技能。 6、可能無法普遍獲得資源 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)，對于掌握生成式人工智能至關(guān)重要。促進(jìn)合作和知識共享，是教育工作者和學(xué)習(xí)者的一個(gè)持續(xù)挑戰(zhàn)。 應(yīng)對這些挑戰(zhàn)需要結(jié)合教育資源、社區(qū)支持，以及對道德和負(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，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環(huán)境的影響，并應(yīng)對建筑行業(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)理見證了節(jié)能、運(yùn)營效率和總體成本降低方面的切實(shí)好處。 國際能源署的一項(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)場建筑能源成本 10% 以上的成本。另一項(xiàng)針對瑞典斯德哥爾摩 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提高建筑物的能源效率并解決缺乏可見性的問題時(shí)，人工智能將成為值得信賴的顧問的關(guān)鍵工具。人工智能現(xiàn)在正在簡化解決方案，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解決問題的能力。 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。如果沒有足夠的數(shù)字化，先進(jìn)技術(shù)的變革性優(yōu)勢可能會(huì)被錯(cuò)過。 通過使用技術(shù)來收集、分析和呈現(xiàn)數(shù)據(jù)，新的見解可以帶來更明智和優(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)每天評估大約一百萬個(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的方面變得可見。數(shù)字化使設(shè)施管理人員能夠確保將技術(shù)無縫集成到數(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、跟蹤隱含碳以及測量和監(jiān)測能源和碳。 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)營階段進(jìn)行。對于任何建筑項(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。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，評估材料選擇，并評估長期能源影響，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。對于許多現(xiàn)代設(shè)施主管來說，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)施管理人員能夠識別效率低下的領(lǐng)域并制定有針對性的改進(jìn)策略。通過捕獲有關(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簡化工作流程和增強(qiáng)解決問題的能力，極大地造福為客戶提供服務(wù)的可信賴顧問。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)，為顧問提供可操作的見解，使他們能夠優(yōu)化時(shí)間并更有效地滿足客戶需求。 通過預(yù)測分析進(jìn)行主動(dòng)能源優(yōu)化 人工智能算法可以通過分析歷史數(shù)據(jù)和識別模式來預(yù)測未來的能源消耗趨勢。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，還可以通過避免空閑期間不必要的消耗來節(jié)省更多能源。Insight Sensor 等產(chǎn)品可以收集溫度、濕度和聲級等參數(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達(dá) 15 分鐘的運(yùn)動(dòng)檢測器。 由于該行業(yè)受到退休和熟練勞動(dòng)力短缺的影響，預(yù)測分析還可以實(shí)現(xiàn)更高效、更有效的運(yùn)營，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，通過數(shù)字工具和數(shù)據(jù)連接遠(yuǎn)程和現(xiàn)場技術(shù)人員，以有效解決問題并滿足服務(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，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 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，但對于設(shè)施經(jīng)理及其值得信賴的顧問而言，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。通過部署先進(jìn)的傳感器、采用預(yù)測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。 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)來減少制造業(yè)對人力的需求的過程。因此,機(jī)器人是制造業(yè)中用于提高生產(chǎn)國、質(zhì)量和競爭力水平的自動(dòng)化系統(tǒng)的一部分。本文對制造業(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)集成到制造過程中會(huì)帶來各種形式的好處。包括但不限于: 1.改進(jìn)質(zhì)量：對于機(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.競爭優(yōu)勢：在采用自動(dòng)化和機(jī)器人技術(shù)的過程中,制造商獲得了基于更高質(zhì)量的產(chǎn)品、更快的交付時(shí)間和更低成本的競爭優(yōu)勢。 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。 機(jī)器人在制造業(yè)的未來 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)量和競爭力的強(qiáng)大力量。在仔細(xì)權(quán)衡挑戰(zhàn)和利益之后，正確認(rèn)識機(jī)器人的作用,就會(huì)對自動(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)。 常見問題解答： 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題:投資成本、就業(yè)轉(zhuǎn)移問題、升級和維護(hù)，以及集成問題。 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 目前還沒有專門針對數(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)方面沒有任何作用。相反，企業(yè)設(shè)計(jì)、運(yùn)營和審計(jì)其數(shù)據(jù)中心的方式對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)營商和客戶需要做什么來確保數(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)性框架都沒有包含針對數(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，無論他們使用哪種技術(shù)。 也就是說，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。沒有簡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)營商可以采取一些措施來支持?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)來建立最佳實(shí)踐并識別可能引發(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)是識別數(shù)據(jù)中心運(yùn)營中可能導(dǎo)致合規(guī)性問題的漏洞的好方法。 數(shù)據(jù)中心運(yùn)營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 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化合規(guī)性。雖然公共云提供商無法保證您的工作負(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)帶來一系列權(quán)衡，其中包括減少對基礎(chǔ)設(shè)施的控制等挑戰(zhàn)。但對于在私有數(shù)據(jù)中心難以遵守法規(guī)的企業(yè)來說，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 對于大多數(shù)企業(yè)來說，數(shù)據(jù)中心只是合規(guī)運(yùn)營的一個(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源，導(dǎo)致高成本和碳足跡。盡管該問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)新都通過自動(dòng)化、數(shù)據(jù)分析和無線連接提供了有價(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 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，它還通過一些關(guān)鍵優(yōu)勢實(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)間過長，導(dǎo)致它們在打開以補(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)劃測量條件而不是實(shí)時(shí)分析它們。 通過根據(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)替代方案無法與之競爭。 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)人員在問題引起更大問題之前解決問題，這種做法稱為預(yù)測性維護(hù)。 預(yù)測性護(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。通過盡早進(jìn)行維修，它可以確保暖通空調(diào)系統(tǒng)盡可能長時(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)過濾為例。過濾器堵塞會(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。過濾器附近的智能傳感器可以在堆積物導(dǎo)致可檢測到的氣壓下降時(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別出這些變化，從而擴(kuò)大其好處。 詳細(xì)見解 此外，還可以使用智能 HVAC 設(shè)備來實(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題或可以提高建筑效率的變化的趨勢。 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最大的節(jié)省，而無需反復(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)。一般來說，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 萬臺設(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)勢將幫助您滿足未來日益增長的環(huán)境需求。 對于建筑效率而言，沒有一種萬能的解決方案，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。