施撒农药一直都是中国农业生产的重要环节，但同时我们又不希望每天吃的东西都是打了过量农药的。怎么办呢？

  通过使用百度云与麦飞科技合作的农业遥感智能监测系统，引入边缘计算，让探测器具备AI能力，对农作物病虫害实施智能化监测，并完成精准科学施药，能够将农药使用量降低50%。这不仅意味着粮食种植成本大幅降低，更意味着粮食更加安全。这是百度公司创始人、董事长兼首席执行官李彦宏在今日的百度世界大会上讲述的一个辽宁盘锦农民真实的故事。

  病虫害是影响作物产量的直接因素，是世界各国的主要农业灾害之一。大规模的病虫害会给农业生产和国民经济造成巨大损失。据联合国粮农组织统计，世界粮食产量因病虫害造成的损失占粮食总产量的20%以上。

  利用遥感监测技术跟追病虫害进展情况，有利于展开精准治理工作，做到及时发现、及时处理，也有利于早期防治。其原理是，病虫害会造成作物叶片细胞结构色素、水分、氮元素等性质发生变化，从而引起反射光谱的变化，所以病虫害作物的反射光谱和正常作物可见光到热红外波段的反射光谱有明显差异。

  百度智能边缘和麦飞科技一起，将BIE-AI-Board（内置检测模型和作业模型）部署在无人机上，利用红外摄像头采集作物光谱信息数据，将之上传至BIE-AI-Board，由BIE-AI-Board加载检测模型对作物病虫害位置、等级进行判断，并根据检测结果调用作业模型控制植保机执行植保作业，现该方案已在国内多块农田里开始实施。

  提升产业效益的背后，是百度与其合作伙伴强大技术实力的体现。今天我们来了解一下解决无人机精准施肥这一场景的核心技术之一，百度云边缘计算产品智能边缘BIE的详细情况。

  智能边缘BIE也在今日正式宣布开源计划，并将于2018年年底正式对外开放源代码。

  什么是智能边缘BIE

  智能边缘BIE是百度云发布的国内首个边缘计算产品，发布伊始即推行“端云一体”解决方案，它由智能边缘本地运行包、智能边缘云端管理套件组成；在云端进行智能边缘核心设备的建立、身份制定、策略规则制定、函数编写、AI建模，然后生成配置文件下发至本地运行包，在近设备端的本地运行包里完成数据采集、消息分发、函数计算和AI推断等功能，通过一键发布和无感部署的方式，极大提高智能迭代的速度，使之整体达到“训练、管理、配置在云端，采集、转发、计算、推断在本地”的效果。

  在架构设计上，智能边缘推行容器化，基于智能边缘BIE提供的DockerFile文件可以在Docker支持的各类操作系统上进行“一键式部署”，依托Docker的跨平台支持特性，确保智能边缘在各系统、各平台的环境一致性标准化；此外，智能边缘BIE还针对Docker容器化进行容器资源隔离与限制，精确分配各运行实例的CPU、内存等资源，提升资源利用效率。

  在降低各功能间耦合度方面，智能边缘推行模块化，每一项功能都是一个独立的模块，除主程序模块之外，各项子功能模块运行互不依赖、互不影响，推行模块化的设计模式，可以充分满足用户“按需使用、按需部署”的切实要求。

  作为国内首发的边缘计算产品，为更好、更快地助力边缘计算在国内的发展、推进，智能边缘BIE计划将于12月份正式开源！智能边缘BIE旨在依托容器化、模块化的设计模式，通过降低各模块间的耦合度及强制性的证书认证模式，打造一个轻量、安全、可靠、可扩展性强的边缘计算社区，为国内边缘计算技术的发展营造一个良好的生态环境。

  作为百度云天工的重点输出产品，智能边缘BIE可以与天工各云端平台服务无缝对接，如IoT Hub、TSDB、IoT Visualization、IoT EasyInsight等；换句话说，部署了智能边缘BIE的设备和边缘计算节点，既可以与百度云天工进行无缝数据交换，对敏感数据进行过滤计算，也可以在无网或者网络不稳定的情况下，缓存数据、独立计算，实现实时的反馈控制。

  目前，智能边缘BIE已经能够支持PaddlePaddle、TensorFlow、Intel Openvino、Jarvis等主流AI平台训练的算法模型，并与百度云推出的云端函数计算服务（CFC）完全兼容，能够独立运行在10多种主流系统和硬件架构上，让每一台联网的终端设备都“轻装上阵”，实时处理本地数据。

  智能边缘BIE特性与优势

  智能边缘BIE主要功能特性包括：

  •任意通讯：支持标准MQTT协议V3.1和V3.1.1版本，提供设备连接和连接云平台（如百度云IoT Hub）的能力；

  •强大计算：提供标准运行时，支持基于Python、SQL编写的函数程序以及基于PaddlePaddle、TensorFlow、Intel Openvino、Jarvis框架训练的AI模型在BIE上运行；

  •端云一体：BIE云端管理套件支持轻松地对BIE本地运行包进行配置，便捷地形成应用，并提供应用版本迭代机制以及OTA部署发布机制；

  •灵活路由：在BIE内部提供路由引擎，可配置数据消息，将它们转发至任意主题、任意计算模块；

  •简化部署：BIE推行Docker容器化，用户不用自行安装依赖环境，通过智能边缘官方发布的运行包中DockerFile文件完成运行依赖环境“一键安装、一键部署”；

  •按需部署：BIE推行功能模块化，各功能间运行互补影响、互不依赖，用户完全可以根据自己的需求进行部署；

  •丰富配置：BIE支持x86、ARM等多种硬件以及Linux、MacOS和Windows等各类操作系统。

  智能边缘BIE主要优势包括：

  •屏蔽计算框架：BIE提供主流运行时支持的同时，提供各类运行时转换服务，基于任意语言编写、基于任意框架训练的函数或模型，都可以在BIE中执行；

  •简化应用生产：BIE云端配合百度智能云，提供强大应用生产环境，通过CFC、Infinite、Jarvis、IoT EasyInsight等产品，可以在云端轻松生产各类函数、AI模型；

  •优化应用运行：BIE提供各类AI模型在硬件设备上的优化运行服务，让应用在特定的硬件设备上获得更好的硬件资源；

  •一键式运行环境部署：BIE推行Docker容器化，用户可以根据智能边缘官方发布的DockerFile一键式构建智能边缘BIE运行环境；

  •安全便捷的应用发布：BIE控制台提供应用模块集成、测试、版本更迭、分支开发等功能，并通过OTA一键部署到本地；并且通过强大的物联网安全机制，包括双向认证、证书加密、强制性SSL。保证智能边缘和本地设备之间、智能边缘和云之间的链接、配置通道的安全性。

  智能边缘BIE使用流程

  •Step 1：注册并登录百度云平台

  •Step 2：申请智能边缘BIE云端管理套件试用

  •Step 3：下载智能边缘BIE本地运行包、建立核心并下载连接配置

  •Step 4：拷贝连接配置到本地运行包

  •Step 5：创建接入、创建路由规则

  •Step 6：生成配置及下发

  智能边缘BIE应用场景

  随着“万物互联”概念的提出，物联网设备逐渐登陆网络数据生产的中心，其生产数据的增长速度也愈来愈快，且由于其在地理位置上的分散性及对响应时间、安全性越来越高的要求，加之实际场景中复杂的网络环境，导致现有公有云的计算平台也变得越来越不适合，计算平台的舞台中心正逐渐向边缘计算靠拢。这里，智能边缘BIE仅以IoT场景和AI场景为例，分享两个解决方案仅供参考。

  边缘机器视觉

  无论是人脸识别、工业质检还是城市管理、公共安全，在云端完成训练的机器视觉模型已经应用到各行各业。智能边缘BIE提供将这些视觉模型轻松的部署到本地设备上的能力，一方面提供快速的识别响应，另一方面降低视频/图片的传输带宽成本。

  边缘数字孪生

  智能设备、大型工业设备的设计生产、运维管理都离不开数字化，数字孪生将设备的运行过程、内在逻辑关系、与环境之间的互相响应等物理世界信息数字化，可以为设备更好的运行提供极大的便利。智能边缘BIE提供将数字孪生模型轻松的部署到本地设备上的能力，以及形成数字孪生必要的数据接入、协议解析、事件报警等函数，面向每一台独立的设备以及它所处的独特环境，提供针对性的数字孪生服务。

  智能边缘BIE应用案例

  从智能边缘BIE发布至今，除了农业，智能边缘BIE同时着 “百度ABC inspire” 的愿景走向其他行业。在矿产、城市管理、新能源等领域取得突破。

  博电电气智能充电桩运维

  近两年来新能源汽车的发展速度有目共睹，新能源汽车目前已经成为我国和领先世界的行业之一。2017 年我国新能源产销量分别达到 79.4万辆和 77.7 万辆，累计保有量达到 180 万辆，占全球市场保有量 50%以上，连续三年位居世界第一。新能源汽车中九成皆为需要充电的电动汽车，因此充电设施成为了新能源汽车发展的重要基础设施。

  由于充电桩市场的不断扩大，随之而来的充电桩故障、无法充电等问题逐渐显现。国网车联网平台最新数据统计，全国累计接入车联网平台充电桩169513个，2017年全年累计充电桩故障27662台（次），故障率达到16.32%。

  百度智能边缘联合博电电气，将充电桩运行数据采集模块和智能边缘BIE运行包部署在BIE-AI-Board上，通过采集充电桩运行状态数据，将之上传至云端模型训练平台进行模型训练，将训练好的模型下发至BIE-AI-Board，实时推断、分析充电桩的健康状态，使之形成本地充电作业的数字孪生，将每次充电质量以不同维度上报给充电桩运维单位、车场和汽车业主等相关方，以提高充电质量，增加设备寿命。

  精英煤矿探访水智能检测

  矿井发生水灾是比较常见的问题，突发性强，短时间内对矿井及矿工造成严重伤害。

  在部分生产矿井的地质范围内，往往有许多充水的富含水层、断层以及小窑老空。当采掘工作面靠近这些水体时，就有可能导致地下水忽然涌入巷道，导致矿井事故。

  存在问题：

  •矿工存在侥幸心理：探放水的工作非常枯燥与辛苦，矿工经常存在侥幸心理，不按照规定进行探放水工作，其中最重要的违规行为是不按照规定的钻探深度进行钻探。

  •矿井环境复杂：矿井采矿属于地下作业，其光照强度、亮度均会受到一定程度影响，利用摄像头采集的视频图像帧存在尺度变换、模糊、遮挡等问题，且在利用模型进行钻机检测、追踪时易受背景干扰。

  矿产安全一直是行业关注重点，国家规定在受水害威胁的地区，必须坚持“有疑必探，先探后掘”的原则。在采矿之前，探放水工作是保证安全的一道重要防线，探放水工作的完成质量直接影响后续作业的安全。百度智能边缘和精英科技一起，将BIE-AI-BOX（包含智能边缘BIE运行包和钻机检测、追踪模型）部署在钻探机上，将摄像头采集到的矿井图像帧上传至BIE-AI-BOX，利用智能边缘BIE加载钻机检测、追踪模型对钻机的探访水动作（行程、速度、角度和次数）进行检测、追踪，实时掌控探放水工作质量，为矿产安全保驾护航。

  伏泰智能环卫渣土抛洒识别

  随着我国城市化进程的不断加快，城市环境卫生水平也越来越受到社会的关注。在城市清扫保洁方面：机械化清扫作业已经基本取代传统的人工清扫作业，机械化作业大大提高了清扫保洁效率、减轻了人工作业强度。在机械化作业率不断提高的现在，司机偷懒、空驶、清扫不到位、环卫案件发现处理不及时等问题不断暴露出来，对监管提出了更高的要求。在垃圾收运处置方面：目前城市垃圾进行分类收运处置已成常态，而实际上收运处置过程中的抛洒滴漏问题较为严重，经常产生环卫案件，尤其是建筑渣土的运输过程中产生的遗留物经过后续车辆压实，很难通过常规清扫手段进行处理，是环卫调度作业的主要产生源，同时也有着一定的安全隐患。

  存在问题：

  •垃圾抛洒滴漏发现慢：目前路面上发现垃圾抛洒滴漏主要靠群众上报、巡查考核车辆来回巡查，在垃圾产生抛洒滴漏的常常不是在第一时间及时发现，而抛洒滴漏的污染往往是持续产生的，往往造成的环境污染是较为严重的，且容易产生道路安全隐患。

  •渣土黑车监管难：目前路面上发现渣土黑车主要靠群众上报、巡查考核车辆来回巡查、关键点视频人为识别，黑车是无法进入消纳点和填埋场等处置终端的，渣土乱倾倒现象严重，且往往是严重超载且车身污染严重，产生环境污染是较为严重的，且现有手段很难做到24小时的全面监管。

  •清扫调度作业被动：道路清扫车和洒水车除日常作业外，还要处理突发的环卫污染问题，如垃圾运输车辆的抛洒滴漏等，环卫中心对这种情况无法第一时间掌握，往往污染问题在较长周期后才被发现，被动响应，反复出车。

  •清扫保洁作业效果监管难：道路清扫车和洒水车在日常作业过程中，往往出现扫过但未扫干净的情况，比如道路清扫车一般保持离路段边缘15公分的距离以保持较好的作业效果，但是通过肉眼现场识别或者远程通过视频识别，很难达到全面监管保洁作业效果的目的，环卫中心对这种情况无法第一时间掌握并无法通知车辆、人员进行处理。

  提高城市环卫工作效率的一个重要手段是控制污染源，百度智能边缘联合苏州环境云，将BIE-AI-BOX（内置智能边缘BIE运行包和渣土识别检测模型）安装在渣土车上，通过摄像头实时采集渣土车经过的路面图像帧，并将之上传至BIE-AI-BOX，利用智能边缘BIE加载渣土识别检测模型对渣土抛洒污染情况进行识别、判断，并将推断结果上报环卫部门、交管局，使之整体达到即时发现问题，即时处理的目的。

  从上述案例中可以看到，边缘计算活跃于两类场景中，一个是边缘机器视觉，一个是边缘数字孪生。他们的共同之处在于计算都发生在离设备或者数据更近的地方，从而可以克服网络不稳定、带宽成本高和延迟高等困难。

  百度智能边缘产品（Baidu IntelliEdge，BIE）提供了从云端生产环境、管理环境到本地运行环境的全套工具，将百度云 ABC 的能力从云上拓展到边缘，进而拓展至各行各业。