人工智慧风潮席卷各大产业，其中边缘运算是更是近年企业积极导入的技术，然而Edge AI的原理究竟是什麽，又该如何落实到产业当中，是许多企业尝试AI升级转型过程中，首先面对的难题。

人工智慧基金会（AIF）以多年投入AI人才培育、提供专业顾问的经验，举办「AI CAFE」系列活动，希??藉由精彩的课程内容跨越产业鸿沟，让更多人了解并体验到AI的优势。活动的第一场讲座以畜牧养殖产业中的AI应用为主题，邀请到两位专家，带领观众建立Edge AI基本概念，搞懂技术原理，同时透过实务案例分享，从技术掌握产业应用。

模型缩小灯！模型压缩与边缘计算的结合

「目前AI的问题，已不在於模型够不够强，而是模型够不够小，是否能放在边缘设备中运行。」

人工智慧科技基金会的AI工程师Chris，曾经接触过睡眠品质分析、利用生成式对抗网路之车联网路障系统等专案，专长研究领域为电脑视觉、深度学习及生成式对抗网路的他，以深入浅出的方式向观众解释Edge AI的原理。

Chris表示，边缘设备是具备联网、运算能力的小型硬体设备，其便宜、体积小、方便部署、低功耗及便於结合各种感测器的特性，使它成为AI进入产业的绝隹选择。

目前AI的流程，主要分成训练模型learning与执行模型inference，以自驾车为例，自驾车本身的并没有空间容纳过大的计算资源，若所有判断都需经由云端计算才能返回结果，一来一回的时间将导致即时性不足，假如边缘设备中，有具备自主运算与决策能力的inference model，即时性便能大大提升。

即便如此，Edge AI也并非十全十美，其在应用上仍有局限与待克服的问题，其中运算能力过小可能导致inference速度过慢，硬体资源太小则可能使模型无法放入边缘设备中。

「若想解决这些问题，必须在近??不影响模型准确度的情况下，将模型压缩，让其能有效实现在边缘设备中。」Chris解释：「像给模型照缩小灯，将不必要的权重删除，留下最重要的。」

图一 : Chris以缩小灯为例，向观众解释模型压缩的原理。

模型压缩有几种方式，如网路剪枝，量化叁数与知识蒸馏。其中近年最主流的知识蒸馏，需要两个网路模型：Teacher与Student，由大模型Teacher去训练出一个小模型Student，藉由结果学习去芜存菁，使小模型具备大模型的能力。

以养鸡场的鸡群活动力侦测为例，传统以人力查看的方式相当耗日费时，若能以AI侦测取代将能节省大量人工与时间。

由於养鸡场属於半开放式场域，又必须追踪鸡只的移动轨迹，案例采用小型自走车搭载边缘设备进行侦测与判断，对於模型轻量化的要求颇高，团队选择使用Jetson Nano作为Inference硬体 ，同时以知识蒸馏方式压缩模型满足轻量化需求。

「随着边缘设备进化，边缘运算的应用会越来越成熟，包含边缘设备的硬体成长与软体的成长。而知识蒸馏能保留模型精度，是近几年讨论相当热门的议题，未来发展直得期待。」Chris总结。

农渔畜牧业的AI视觉好帮手

第二位讲师辰明智能创办人与执行长Gray，专注发展AI视觉感知技术多年，对於AIoT在农林渔牧产业中的应用极具心得。

「传统农林畜牧业大量仰赖人工的运作模式，正面临人囗结构老化、缺工等挑战。」Gray提到，目前虽已有农用摄影机等科技辅助，但仅具录影功能，缺乏量化数据与异常反??功能，仍须人工监测，於节省人力方面作用相当有限。

由辰明智能所研发的AgroONE即时生长监控系统，透过Edge AI设备，针对农作物的生长状况进行即时监控，以纯视觉方式，将植物的生理叁数量化，如光合作用率、含水含氮率等，农民也可透过系统搭载的APP，远端观看巡视作物状态，减轻工作负担的同时，更能提升产品品质。

图二 : AgroONE系统无论动物植物的培育皆可应用。

同样的系统也能运用在畜牧产业，辰明智能专攻白肉鸡养成领域，经验丰富。

白肉鸡作为人类社会重要的肉品来源，其养殖方法却仍大多仰赖人力，此外，禽流感等疾病也是相当棘手的问题。

辰明智能尝试在畜舍中导入AI视觉感知技术，小型化的设备垂挂在天花板，利用立体视觉量化鸡只生长状态，同时以光谱分析量化健康情形，再藉由边缘运算即时监控，除了能减少人力需求，还可更精准的掌握鸡只生长状态，同时在鸡只染疫时防微杜渐，避免农民因禽流感扑杀鸡只致使血本无归。

Gray表示：「我们想要让农渔畜牧业变得更便宜更简单。」

小结

过去以人力为主的农渔畜牧产业，随着劳动力结构改变岌岌可危，然人类生存不能没有粮食，农业为立国之本仍有其重要性，所幸科技改变生活，有了AI的辅助，未来的农业或能摆脱传统辛劳费力的运作模式，以低人力、高科技的方式重获新生。

（本文由VMAKER授权转载）