27、边缘AI系统：目标设定与架构设计全解析

边缘AI系统：目标设定与架构设计全解析

1. 目标设定：明智起步

在开展边缘AI项目时，设定合理的目标至关重要。长期目标或许是借助边缘AI视觉系统自动检查每一件物品，确保捕获所有次品并节省检测成本。然而在项目伊始，这一目标能否实现并不明确，数据集可能缺乏每种可能缺陷的示例，导致系统难以测试，且不尝试就无法知晓是否可行，但失败的代价可能高昂。

此时，不妨缩小问题范围。虽然捕获所有缺陷是巨大挑战，但能捕获部分缺陷也会改善现状。训练模型至少在某些时候检测一种特定类型的缺陷相对简单，将其与当前人工检测流程结合，仍可为工厂带来切实好处，虽不能降低检测成本，但能捕获更多缺陷并提高产品平均质量。通过将范围限制在可实现的目标上，能立即创造价值并降低风险，后续还可在此基础上迭代优化。

目标主要分为三类：
- 系统目标 ：反映系统的整体性能。开发边缘AI系统时，应采用评估优先的方法来设定系统目标。多数情况下已有现存解决方案，因此需将我们的解决方案与现有方案对比，而非仅与自身对比。例如开发帮助零售员工了解货架何时需补货的边缘AI应用，若仅以系统预测货架补货需求的准确率为目标，虽看似不错，但无法体现系统是否真正有帮助，也难以与当前人工方式对比。更好的做法是从大局出发，选择衡量货架有货时间占比这一指标，明确当前解决方案的基线性能和目标，以此指导产品设计与开发。
- 技术目标 ：关注系统技术方面的性能。以开发智能家居设备的关键词识别模型为例，性能常以误接受率和误拒绝率来衡量。确定目标后，需找到测试工作的机制，可靠的指标来自生产环境中的系统。在开发过程中，要持续衡量新系统与原系统的性能，若简单方案效果相近，或许坚持