跳到主要内容
SECO
  • AI
  • Edge Computing
  • Industries
  • Clea

从模型到应用:借助 SECO 全栈平台加速 Edge AI 工作流开发

SECO 的 Clea OS、SECO Application Hub 和 Clea Studio AI 构成了一个集成生态系统,可更快地测试 Edge AI 应用场景,并将其落地到接近量产的程度。Application Hub 提供对应用、容器和软件组件的直接访问,使开发和项目团队在设置、集成和模型部署上花费更少的时间。本博客以智能人数统计为例,展示如何利用预先准备好的 Edge AI 构建模块在本地处理摄像头数据,将结果集成到工作流中,并在早期阶段验证某个应用场景的商业价值。

SECO 全栈平台加速 Edge AI 工作流

解锁更快的 Edge AI 部署

Edge AI 正迅速从抽象层面走向真实应用。在这一过程中,算力和 AI 功能正向数据产生的源头转移,从分布式云基础设施转向现场的边缘设备。然而,这对 Edge AI 系统的开发人员提出了很高的要求,因为他们必须将操作系统、运行环境、容器、AI 模型和安全层直接集成到应用中,这往往会带来问题,并大幅增加工作量。Edge AI 项目失败的原因往往不在于概念,而在于集成工作量。

SECO 的 Clea 平台通过为开发人员提供可扩展 Edge AI 系统的框架来应对复杂性。SECO 的 Application Hub 在其中发挥着核心作用,通过可直接部署的容器、示例应用和部署指南,实现对可用组件的快速访问。这使一个想法能够迅速转变为可测试、可验证的 Edge AI 应用。

Clea OS 作为 Edge AI 的运行时基础

Edge AI 应用的技术基础是 SECO 的 Clea OS 软件平台。作为基于 Yocto LTS 项目的安全嵌入式 Linux 发行版,Clea OS 天然适用于嵌入式和边缘应用,并同时支持 Arm 和 x86 架构平台。在此背景下,它提供了受控的、面向量产的运行环境。与通用嵌入式 Linux 不同,Clea OS 专为可重复的部署、安全更新、高可维护性以及应用的一致执行而设计。

对开发人员来说,这意味着在构建系统基础上花费的精力更少,而可以更专注于应用逻辑、模型和应用场景。与 Clea 软件框架相结合,Clea OS 支持设备连接、数据编排、设备群管理以及边缘 AI 服务。Application Hub 以现有的应用、容器和软件组件补充了这一基础。这使 Clea OS 成为 Hub 中即用型构建模块与其在真实边缘硬件上实际运行之间的桥梁。

Application Hub:更快激活应用场景

SECO Application Hub 建立在 Clea OS 的运行时基础之上,加速 Edge AI 部署的具体落地。Clea OS 在边缘硬件上提供受控的执行环境,而 Application Hub 则为应用层提供合适的软件构建模块。

开发人员无需再大费周章地寻找合适的 AI 模型并打包容器、准备推理运行时、逐一检查硬件兼容性,而是可以通过 SECO Application Hub 访问一个经过精选的资源库,其中包含适用于各类应用场景的即用型软件容器、示例应用、预构建 AI 模型、部署指南和 Edge AI 组件。

开发人员可以直接从 Application Hub 中选择合适的组件,在预期的目标硬件上进行测试,然后将其集成到基于 Clea 的边缘环境中。这样就形成了一个从运行时基础,到可用的软件构建模块,再到可执行应用的一致流程。

这显著减少了设置、打包和初始集成所需的工作量,从而缩短开发时间。技术决策者也可以更快地评估硬件、性能和商业价值是否足以支撑接近量产的实施。

应用场景:智能人数统计

“智能人数统计”这一示例应用场景展示了如何借助 SECO 的 Application Hub 和 Clea OS 在实践中更快地实现 Edge AI 应用。从零开发一个人数统计应用,通常需要若干集成步骤:连接摄像头、配置边缘设备、设置推理运行时,并将结果传递给下游系统。

Application Hub 通过提供预制的人数统计应用来减少这些工作,它成为一个引导式流程的起点,带领开发人员从应用发现,到工作流创建,再到边缘部署。开发人员确实可以选择该组件,调整摄像头输入和目标设备参数,并在边缘硬件上本地测试。

下一步,可以使用 Clea Studio AI,通过可视化的输入、模型和输出模块,将模型输出连接到仪表板、告警、占用率分析或 IoT 系统等下游工作流。开发人员只需在 Hub 中选择合适的组件,调整摄像头输入和目标设备等参数,并在 Clea Studio AI 中配置输出流程。

许多与打包、运行时执行和工作流集成相关的任务都由该平台承担。开发人员可以体验到快速创建应用场景的好处,然后直接进入验证,而无需从头构建整个应用。繁琐而重复的手动设置已成为过去。

流程中的 Application Hub

在试点项目中,Application Hub 成为快速、轻松评估技术可行性的核心工具。团队可以在早期阶段评估某个应用场景能否在预期的边缘硬件上可靠运行,现有算力是否足够,以及结果是否值得进一步投入。为此,Hub 提供了值得验证的组件,例如容器、AI 模型、示例应用和部署指南,可直接在目标设备上测试。

开发人员无需从重建打包、运行时设置或部署逻辑等基础集成任务入手,而是可以直接进入功能和技术评估。开发人员可以根据具体应用场景调整参数,配置摄像头或传感器数据等输入源,在预期的目标硬件上测试应用,并衡量延迟、吞吐量或资源利用率等相关性能指标。

同时,他们还可以检查生成的结果如何集成到现有系统中,例如仪表板、IoT 平台、告警或分析工作流。这使重点从构建技术基础转向评估应用场景在真实条件下是否可行。

Clea Studio AI:从模型到工作流

在 Application Hub 中选定合适的组件后,Clea Studio AI 会引导实现可执行的工作流。毕竟,仅有 AI 模型并不能构成完整的应用;还必须连接数据源、配置模型执行,并将结果传递给目标系统。

Clea Studio AI 为开发人员提供可视化环境,用于连接输入、模型和输出模块。例如在人数统计案例中,输入模块可以代表摄像头视频流,模型模块使用 Application Hub 中选定的组件,而输出模块可以将统计结果传递给仪表板、告警或 IoT 工作流。

这样,无需用代码手动构建每个集成,就能将模型转变为具体的应用流程。尽管如此,开发人员仍可掌控模型、数据源和输出路径。

结论

人数统计示例说明了 SECO 的 Clea OS、Application Hub 和 Clea Studio AI 如何协同工作。一个预先准备好的 Edge AI 组件可迅速成为在真实 Edge AI 硬件上值得测试的工作流。

对开发人员来说,“接近量产”意味着无需再从基础集成重新开始,而可以有针对性地继续推进工作。例如,通过参数调优、性能验证、安全审查,以及为在多个兼容边缘设备上推出做好准备。

此外,技术决策者还能获得可靠的基础,更快地评估某个应用场景的可行性、可扩展性和商业价值。这使经过验证的原型能够更快地转变为真正可扩展的 Edge AI 应用。

联系 SECO 获取更多信息。

订阅 SECO 新闻通讯。

在 seco.com 上用您的电子邮件地址订阅。

订阅