面向自组织生产系统的工业互联网边缘计算体系架构
智能制造发展过程三个阶段及特征-深度解析
智能制造发展过程三个阶段及特征-深度解析导读：本文首先总结工业生产对控制技术的要求及工业自动化系统的特点; 然后根据智能制造系统在工业生产过程中的地位和所发挥的作用，着重讨论智能制造系统相关技术在不同时期、不同领域的技术特点和阶段，以生产系统的各个子系统间的数据流向为特征，区分智能制造发展过程的 3 个阶段; 最后以钢铁行业的案例来分析智能制造在生产中的地位，为企业实施智能制造提供参考。
为便于描述起见，本文将应用智能制造技术所实现的系统的集合称为智能制造系统，而传统的工业生产控制系统( 包括工业生产过程中的各级自动化和信息化系统的总和) 称为工业自动化系统。
1 工业自动化系统的特点经过多年发展，钢铁行业工业自动化系统的主体架构一般分为 5 层，如图 1 所示: 检测及执行设备级 L0、基础自动化级 L1、过程自动化级L2、制造执行系统 L3 和企业资源计划 L4，每层根据功能或控制范围又划分为多个系统。
各层系统之间的数据通过接口协议互相传递，业务应用互相关联。
随着计算机和控制器的能力越来越强大，过程自动化级的很多功能“下沉”至基础自动化级来执行，融合形成“过程控制级”; 而管理的扁平化需求，使得制造执行系统和企业资源计划的分工界限变得不那么明显，融合形成“生产管理级”。
但无论是 5 层结构，还是其他类型的结构，总体上都是围绕企业的核心发展目标，实现各系统的功能定位和分工合作。
图 1 工业自动化系统的结构通过总结工业生产对控制技术的要求，工业自动化系统一般需要具有以下特点。
( 1) 确定性。
确定性是指工业自动化系统必须有确定的响应能力，主要包括: 1) 实时性。
工业自动化系统一般都是实时系统，很多情况下延迟对于生产过程信息传送来说是不可接受的。
2) 可预测性。
即在满足一定条件下，系统的输出是可预期的，差异在可控或可接受的范围内。
3)手动优先。
在非正常的情况下，工业自动化系统的部分功能可以被操作人员确定性的手动接管，使得整个系统可以在降低部分性能( 包括便利性) 的手动模式下继续运行。
工业互联网平台的架构和实施方法
工业互联网平台的架构和实施方法工业互联网平台作为工业领域数字化转型的重要工具，正在逐渐被各行各业所认可和应用。
本文将介绍工业互联网平台的架构和实施方法，旨在帮助企业了解并顺利实施该平台。
1. 工业互联网平台的架构工业互联网平台的核心架构通常包括设备感知层、数据采集层、数据传输层、平台应用层和用户接口层。
1.1 设备感知层设备感知层是工业互联网平台的底层基础，用于连接和管理各类传感器和设备。
传感器和设备收集到的数据被上传至数据采集层进行处理和存储。
1.2 数据采集层数据采集层主要负责对设备感知层上传的数据进行采集、清洗和标准化。
在这一层中，可以利用各种技术和协议，如物联网技术、云计算等，实现数据的高效针对性提取和融合。
1.3 数据传输层数据传输层负责将采集到的数据传输至云端或数据中心。
在这一层，企业可以选择使用云平台、边缘计算等方式进行数据的传输和存储，以便后续的数据分析和应用。
1.4 平台应用层平台应用层是工业互联网平台的核心部分，用于处理和分析传输过来的数据，提供各种应用和服务。
这包括数据分析、预测维护、生产优化等功能，帮助企业实现工业智能化和数字化转型。
1.5 用户接口层用户接口层是工业互联网平台的最上层，为企业和用户提供友好的界面和操作方式，使其能够方便地使用平台提供的服务和功能。
这包括Web界面、移动端应用等，以满足不同用户的需求。
2. 工业互联网平台的实施方法在实施工业互联网平台时，需要经历需求分析、架构设计、系统部署、数据集成和优化改进等阶段。
2.1 需求分析需求分析是工业互联网平台实施的第一步，需要明确企业的需求和目标。
企业可以通过与相关部门和人员沟通，收集并整理各类信息和数据，确定需要实现的功能和服务，为后续的架构设计提供依据。
2.2 架构设计架构设计是工业互联网平台实施的核心环节，需要根据需求分析的结果，综合考虑企业自身的条件和技术能力，制定合适的平台架构方案。
在设计过程中，需要选择合适的云平台、边缘计算设备、通信协议等，并考虑扩展性、可靠性和安全性等因素。
工业互联网中边缘计算的实现方法
1 工业互联网是智能制造的突破口2015年5月，国务院发布了《中国制造2025》，围绕先进制造和高端装备制造，前瞻部署重点突破的战略领域，描绘了未来三十年建设制造强国的宏伟蓝图和梯次推进的路线图，是一份总的行动纲领文件；2015年7月，国务院关于积极推进“互联网+”行动的指导意见，提出了“充分发挥中国互联网的规模优势和应用优势，推动互联网由消费领域向生产领域拓展，加速提升产业发展水平，增强各行业创新能力，构筑经济社会发展新优势和新动能”；2016年5月，国务院发布了《关于深化制造业与互联网融合发展的指导意见》，指出：制造业是国民经济的主体，是实施“互联网+”行动的主战场；2017年11月，国务院《关于深化“互联网+先进制造业”发展工业互联网的指导意见》正式发布，“工业互联网作为新一代信息技术与制造业深度融合的产物，日益成为新工业革命的关键支撑和深化“互联网+先进制造业”的重要基石”，明确提出“构建网络、平台、安全三大功能体系，增强工业互联网产业供给能力。
”并明确了与《中国制造2025》三步走相适应的一系列发展目标，至此，工业互联网上升为智能制造国家战略。
2018年年初，工业互联网高峰论坛在北京举行。
时任国务院副总理、国家制造强国领导小组组长马凯出席会议并发表了重要讲话，指出：“工业互联网是新工业革命的关键支撑和智能制造的重要基石。
工业互联网通过实现人、机、物的全面互联，促进制造资源泛在连接、弹性供给和高效配置。
推动制造业创新模式、生产方式、组织形式、商业范式的深刻变革，和全球工业生态体系的重构迭代和全面升级。
”图1 工业互联网是一个复杂的智能系统今年两会报告，工业互联网被写入了总理的政府工作报告，明确指出：“实施重大短板装备专项工程，发展工业互联网平台，创建‘中国制造2025’示范区。
”2 工业互联网是一个复杂的智能体工业互联网的概念首先由GE提出。
在《工业互联网——打破智慧与机器的边界》中，GE以航空发动机全生命周期管理为例，阐述了工业互联网的内涵，明确了工业互联网建设中的三个关键要素，即：智能机器、高级分析和工作中的人。
工业互联网体系架构
工业互联网体系架构1.边缘计算层：边缘计算是指将数据的处理和分析推向网络边缘，减少数据的传输延迟和带宽占用。
在工业互联网中，边缘计算层可以将边缘设备（如传感器、PLC、机器人等）与云平台连接，实现实时数据采集、处理和分析。
边缘计算还可以支持设备和系统的自主决策和智能调度，提高生产效率和响应速度。
2. 通信传输层：通信传输层是工业互联网的基础，用于实现设备之间的网络连接和数据传输。
通信传输层包括有线和无线通信技术，如以太网、Wi-Fi、蓝牙、ZigBee等。
通过通信传输层，边缘设备可以与其他设备、运营商、云平台等进行数据交互和通信。
3.云计算和大数据层：云计算和大数据是工业互联网的核心技术，用于存储、处理和分析海量的数据。
在云计算和大数据层，工业互联网平台提供了数据存储、计算和分析的基础设施和服务，支持企业进行数据挖掘、预测分析、模型优化等工作。
通过云计算和大数据技术，可以实现对生产过程、设备状态、能源消耗、产品质量等信息的实时监控和分析，为企业提供决策支持和优化方案。
4.应用层：应用层是工业互联网的核心功能层，用于实现各类应用场景。
在应用层，工业互联网平台可以提供包括生产计划管理、设备维护管理、供应链管理、质量管理、产品追溯等一系列应用功能。
通过应用层，企业可以实现生产过程的智能化、自动化和协同化，提高生产效率和产品质量。
5.安全和隐私保护层：工业互联网的安全和隐私保护层是保证数据安全和业务运行的重要保障。
在这一层面上，工业互联网平台需要采用多层次、多角度的安全措施，如身份认证、访问控制、数据加密、安全传输等。
安全和隐私保护层还需要考虑法律法规和业界标准的要求，确保企业和用户的数据安全和隐私不受侵犯。
总结起来，工业互联网体系架构包括边缘计算层、通信传输层、云计算和大数据层、应用层和安全和隐私保护层。
这一架构将边缘设备、通信技术、云计算和大数据技术、应用功能和安全保障有机地结合在一起，实现了工业生产、管理和服务的协同和智能化。
工业互联网边缘计算数据管控标准【最新】
工业互联网边缘计算数据管控标准01 引言边缘计算利用日益提升的设备级计算、储存、网络资源，协同完成高可靠、低延迟的实时控制、数据处理、完全防护等任务。
边缘计算在工业互联网、自动驾驶、智慧城市等领域有着广泛的应用前景。
随着边缘计算的崛起，现有工业自动化体系结构发生根本的改变，由原来基于ISA-95的结构[1]逐渐向工业云+边缘计算系统的形态转变。
在新的体系下，工业软件从最上层的ERP、PLM、CRM等系统一直到边缘侧的工控软件都将发生模式上的根本转变。
在ISA-95的传统模式下[2]，信息交互往往只在相邻的层级之间进行。
例如ERP系统只与MES系统直接对接，而MES也只与下层的SCADA系统以及上层的ERP系统进行交互。
当最底层新增的传感数据需要与上层系统交互时，需要对数据链路上的每一个系统进行修改，造成系统开发与维护的效率低下。
在系统规模日益庞大、交互功能复杂的情况下，软件开发与测试的时间将成倍增长，逐步超过项目硬件成本支出。
在工业互联网+边缘计算的模式下，工业软件的开发模式将从传统的桌面应用向基于服务化的工业App过渡。
工业软件根据实时性、可靠性与数据量的需求分为云端或者边缘端应用两类。
CAD、CAE、ERP、MES、PLM、CRM等传统工业设计、运营管理类软件由于功能众多、体积庞大、数据复杂、实时性要求低、扩展性要求强，适合以工业云为载体进行服务化升级转型。
以ERP以及MES系统为例，此类系统由大量的软件模块组成，包括销售、需求计划、供应链管理、计划与执行、库存、财务会计、人力资源、 仓库管理、采购、品质管理等。
由于工业系统具有很强的行业特性，不同行业、不同生产模式的企业对于此类系统的需求有着极大的差异，很难找到两个企业拥有完全相同的运营方式。
因此，如将每个模块单独封装成为工业App部署在云端，可以针对不同企业满足深度定制的需求，减少用户由于频繁升级造成的不便。
单独部署的模块也可以减少企业在此类软件上的投入，避免造成资源浪费。
工业互联网的架构与技术
工业互联网的架构与技术工业互联网是指将传统的工业生产线与互联网技术相结合，形成全新的生产方式。
该技术的应用将有效地提升生产自动化程度，优化生产流程，改进生产效率，降低人为因素导致的质量问题，实现智能化生产。
本文将从工业互联网的架构与技术等方面进行介绍。
一、工业互联网的基础架构工业互联网的基础架构主要包括设备、传感器、控制器、网络、云平台等组成。
其中，设备指的是工业机床、传送带、本体、传感器等物理设备；传感器负责收集设备的各类信息，如温度、电压、湿度等等；控制器用于设备的实时控制，如程序、速度、位置等参数；网络则是用于设备之间传递信息的数据通信网络；云平台则负责将设备通过网络连接起来，对数据进行分析、处理、存储等功能，实现对设备的远程监控与管理。
二、工业互联网的技术1. 传感器技术传感器技术是工业互联网的基础技术之一，它具有很高的价值，可以收集到工业生产中的各种信息。
在工业制造过程中，可以通过传感器来进行监测、记录、控制物流过程中的物质推进和工具的状态变化。
利用传感器技术，可以在生产过程中保障生产的质量和安全性，提高制造业的效率和竞争力。
2. 物联网技术物联网技术在工业互联网中也极为重要。
物联网技术能够将各种设备、控制器、传感器连接，使其形成强大而智能的网络。
利用物联网技术，可以对各种设备进行实时监控，获取设备的工作状态、机能、故障等信息，这种技术不仅可以让生产过程更加的智能化，也能够实现生产过程更加的在线化。
3. 云计算技术云计算技术也是工业互联网的核心技术之一。
通过云计算技术，可以将生产数据上传到云端，集中处理、存储、加密、分享等等操作。
一旦将生产数据上传到云端，就可以很方便地采用各种算法，对生产数据进行分析、统计和处理，进而优化生产流程，提升生产效率。
同时，工业互联网的云计算技术还可以通过大数据分析，挖掘出生产过程中存在的问题及其根本原因，利用神经网络、机器学习等技术，将生产过程逐步智能化，进一步提升了生产的精益度和效率。
2023-工业互联网技术体系架构方案-1
工业互联网技术体系架构方案随着互联网的普及和工业生产的数字化转型，工业互联网技术已经成为推动产业升级的重要工具。
在实现工业互联网的过程中，需要建立起一套完整的技术体系架构方案，为实现工业互联网的愿景奠定基础。
第一步：云计算云计算作为工业互联网技术的基础和基石，是将各种数据集中到云端进行处理和管理的重要手段。
在云计算的基础上，可以建立一套系统、完整、高效的数据管理体系，实现多样化的业务需求。
第二步：大数据大数据的意义在于可以通过庞杂的数据分析工具，快速获取产品生命周期、客户需求、市场变化等各种数据信息，从而实现智能化生产、个性化生产的目标。
大数据技术被广泛运用于智能制造、智能优化、智能预测等工业领域。
第三步：物联网物联网技术是将所有设备、机器、传感器等物理设备通过互联网连接起来，彼此之间实现数据共享、信息监控和自主运作。
物联网技术可以帮助工业生产中的物资管理和环境空气监管等方面，同时可以实现高效的智能制造和智能管理。
第四步：人工智能人工智能技术可以在工业设备监管、数据预警、产品检测等方面，实现精确化、自动化的操作模式，提高工业生产的智能水平。
人工智能技术还可以通过机器学习、深度学习等方式，为企业提供多元化的解决方案。
第五步：信息安全信息安全是工业互联网基础技术的重要一环，它涉及到工业信息传输的保密性、完整性、可用性等多个方面。
在实现全面信息化管理的过程中，必须要考虑到信息安全等方面的规划和铺垫。
综上所述，工业互联网技术体系架构方案需要对上述五个方面进行全面规划和设计，使其构成一个完整的技术体系，为工业生产的数字化转型开拓了广阔空间。
通过人工智能、物联网等重要技术的投入，工业生产可以更加高效、智能、安全地进行，最终实现行业的全面升级和发展。
云计算边缘计算架构
云计算边缘计算架构云计算是一种基于互联网的计算模式，能够提供高效、灵活且可扩展的计算资源。
然而，随着物联网技术的迅速发展，传统云计算模式也遇到了一些挑战。
传统云计算的数据中心往往与用户之间存在较远的距离，导致数据传输的时延较大，与实时性要求较高的应用不太适用。
为了解决这一问题，边缘计算应运而生。
边缘计算是一种将计算资源和应用数据放置在物理接近数据源的位置，以提供低时延、高带宽和可靠性的计算能力的技术。
它通过将数据和计算从中心云移到网络边缘，实现了更快的响应时间和更好的用户体验。
边缘计算架构由多个边缘设备、边缘服务器和云端服务器组成，形成一个分布式的计算网络。
一、边缘设备边缘设备是指位于网络结构边缘的智能设备，如智能手机、物联网传感器等。
边缘设备负责收集各种环境传感器数据、用户输入以及其他外部数据，并将这些数据传输到边缘服务器进行处理和分析。
边缘设备通常具有较小的计算和存储能力，但能够进行实时的数据处理和快速决策。
二、边缘服务器边缘服务器是位于边缘设备和云服务器之间的中间节点，负责处理边缘设备传输的数据。
边缘服务器通常具有较强的计算能力和存储能力，能够进行实时数据分析、处理和存储。
边缘服务器还可以根据边缘设备的需求，选择性地将数据传输到云端服务器进行更复杂的计算或长期存储。
三、云端服务器云端服务器是传统云计算中的数据中心，负责存储大量数据和进行复杂的计算。
云端服务器通过与边缘服务器进行通信，将边缘设备收集到的数据进行更细粒度的分析和处理，并提供高级的计算服务和应用程序接口。
云端服务器的优势在于其具备强大的计算和存储能力，适合处理大规模数据和复杂计算任务。
四、边缘计算架构的优势边缘计算架构相比传统的云计算架构具有以下优势：1. 低时延：边缘设备与边缘服务器之间的距离较近，可以实现数据的实时处理和响应，大大减少了传输时延。
2. 高带宽：边缘设备与边缘服务器之间的网络连接往往具有较高的带宽，可以支持大规模数据的传输和处理。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Shenyang Institute of Automation, Chinese Academy of Science.
获得行业领域高度认可
基于等离子体图像补偿的LIBS高精度测量
n 研制国内首套基于LIBS的矿浆成分在线分析仪
（国家重点研发计划，重大科学仪器设备开发专项项目, 2016.7—2020.10）
抓取尝试）的训练后，机器人展 现出了“智能反应行为的迹象”
训练前：抓取失败率为34％
训练后：失败率降到18％
Shenyang Institute of Automation, Chinese Academy of Science.
大规模AGV物流
• 建立边缘侧分布式调控平台，通过本地化路径规划，冲突避让，降低大规模 AGV调控复杂度。
对边缘计算的需求
• 当前模式：数据感知到云端处理，云计算的安全性、实时性难以满足需求 • 需要在边缘侧实现具有低时延要求、轻量化的信息与物理深度融合应用
Shenyang Institute of Automation, Chinese Academy of Science.
边缘计算典型应用
高精度加工
Shenyang Institute of Automation, Chinese Academy of Science.
加工案例——复杂曲面加工
车铣复合机床状态监控
Shenyang Institute of Automation, Chinese Academy of Science.
加工案例——复杂曲面加工
内燃机 combustion motor
2nd 1st
传送带
蒸汽机
微电子
ICT
μelectronics
4th
3rd
信息物理融合系统
电脑、数控、PLC
1782
电力、机械自动化
Power generation Mechanical automation
1913 工业化 Industrialization
报告内容
工业4.0自组织生产系统及对边缘计算的需求 工业互联网边缘计算面临的挑战 沈自所边缘计算相关进展
未来展望
Shenyang Institute of Automation, Chinese Academy of Science.
工业 4.0
第四次工业革命
力学、机械
Mechanics and machinery
计 算
系
平台池
统
亟需发展计算任务与平台解耦的虚拟化计算运行环境，对边缘侧零散计算资源统 一管理，实现云和边缘之间计算任务的动态迁移。 Shenyang Institute of Automation, Chinese Academy of Science.
挑战三：边缘侧零散异构资源难以统一高效利用
AGV3
Shenyang Institute of Automation, Chinese Academy of Science.
负责分拣机器人的避让控制、冲突 处理、路径动态调整等实时性较高 的计算任务。
效果: •计算能力与边缘设备数量比例增长； •支持万点以上大规模动态调度； •AGV运行速度提升50%以上。
报告内容
工业4.0自组织生产系统及对边缘计算的需求 工业互联网边缘计算面临的挑战 沈自所边缘计算相关进展
未来展望
Shenyang Institute of Automation, Chinese Academy of Science.
挑战一：信息物理融合难以一体化计算编程
信息物理计算模型异构，现有嵌入式编程，面向单一计算模型的计算代码级编 程，编程效率低，集成困难，代码难以重用。
国际先进的性能指标
Ø 测量重复性RSD<5% Ø 同时检测10路以上 Ø 单路测量5分钟
云南磷化集团450厂
同时检测原矿、精矿、尾矿悬浊液中的磷、镁、 铁、铝、硅，单路测量5分钟（原测量需要2小时 ）
第三方测试 证书
Shenyang Institute of Automation, Chinese Academy of Science.
效果: 通过引入边缘计算系统，加工精度提升40%以上
Shenyang Institute of Automation, Chinese Academy of Science.
个性化定制装配
建立机器人边缘侧视觉分析与控制平台，利用轻量化的智能识别算法和柔性控制方法，实 现对变化物料的准确的抓取。
边缘节点提供智能控制环境
• 任务分配
云
• 多AGV虚拟控制
料库信息 包裹二维码
边缘传感器
货架信息
地图信息
建立多AGV的 世界模型
多路径规划 （静态）
边缘控制器
冲突处理
路径动态 调整
控制 指令
状态 信息
工业网络
边缘网关
控制 指令
状态 信息
任务分配
边缘网关
控制 指令
状态 信息
AGV控制器
AGV1
AGV控制
器
AGV2
AGV控制器
Ø 原子能级跃迁
信噪比低 信号波动大 光谱干扰大
Ø 光谱探测
复杂环境下，如何 实现高精度分析？
基于等离子体图像补偿的LIBS高精度测量
n 提出在光谱测量基础上增加等离子体图像反馈的思想和方法，实现信号 波动补偿
Ø 把浓度与非浓度引起的波动有效分割
Ø 非浓度引起的信号波动大幅降低
传统结构
新的结构
获取等离 子体图像
工业互联网
国家战略：2017年，国务院《关于深化“互联网+先进制造业”发展工业互 联网的指导意见》: 建成国际领先的工业互联网网络基础设施和平台，创新发 展能力、技术产业体系以及融合应用等进入世界前列。
工业互联网核心：发展感知、分析、决策、控制一体化的信息物理深度融合应用 Shenyang Institute of Automation, Chinese Academy of Science.
边缘计算节点：多源感知信息融合
多源信息融合> 降噪
① 基于等离子体图像补偿 的LIBS环境干扰抑制
多视角覆盖> 大尺度测量
② 基于多目视觉的大尺度 物体对接及整体测量
Shenyang Institute of Automation, Chinese Academy of Science.
基于LIBS的成分在线感知
单一计算模型过程级编程
一体化计算模型与行为级编程
急需建立感知、分析、决策、控制一体化的计算模型，构建“功能模块化、 可组合的行为级编程”模式，实现统一高效编程、可重用、易集成。 Shenyang Institute of Automation, Chinese Academy of Science.
基于边缘计算的多源感知融合
高精度加工
建立边云协同的加工分析控制平台，云端对加工过程仿真模拟，边缘对加工状态实时监测 ，对比精度偏差，实时刀具补偿，提高精度、质量。
云
数字孪生
加工件CAD
虚拟仿 真结果
边缘服务器
• 云边协同加工 • 刀具状态在线检测 • 加工振动状态抑制
l 虚实对比优化机床加工工艺
l对主轴电流、振动等数据的实时 分析对刀具状态进行辨识
边缘侧零散计算资源规模大、异构（X86,GPU,DSP,FPGA）、计算存储能力 和能耗受限，难以低开销的统一管理调度。
亟需研发考虑多维资源约束条件的异构计算资源统一量化和虚拟化技术，实现多 维度资源利用率最大化和边缘计算的实时性。
Shenyang Institute of Automation, Chinese Academy of Science.
传统方法
LIBS光谱
特征谱线
创新点
等离子体 图像
图像特征
建模
Shenyang Institute of Automation, Chinese Academy of Science.
分析模型
基于等离子体图像补偿的LIBS高精度测量
n 钢样分析
在测量距离发生大幅波动情况 下，谱线波动降低至3%，确定系数 （R2）提升到0.99以上，准确率大 幅提高。
传统工业自动化系统
IT • 信息网： 高带宽、低实时
OT • 控制网： 低带宽、高实时 • 传感网：线 缆连接
Shenyang Institute of Automation, Chinese Academy of Science.
未来工业自动化系统
Shenyang Institute of Automation, Chinese Academy of Science.
1954
电气自动化 Electrical automation
2015
智能自动化 Smart
automation
Shenyang Institute of Automation, Chinese Academy of Science.
个性化定制
Shenyang Institute of Automation, Chinese Academy of Science.
个性化装配
加工零件质量的一致性和稳定 性难以保证
刀具磨损程度难以评估 机床振动不可避免，动态精度难以保证
采用数字孪生技术 数据需求种类多，计算资源占用大
装配件视觉标识的速度和准确性
难以保证
摄像头1080p格式视频在4Mbps码率下每 天产生330G的视频数据
针对流式视频数据的实时处理 云端处理占用大量带宽、延时大
Shenyang Institute of Automation, Chinese Academy of Science.