21、边缘AI项目：从可行性评估到数据集构建

边缘AI项目：从可行性评估到数据集构建

1. 边缘AI项目的可行性评估

1.1 设备能力与解决方案选择

在边缘AI项目中，硬件选项众多。以仓库安全项目为例，可能的解决方案可以通过微控制器（MCU）、边缘服务器或云来实现。每个解决方案都对应着大量的硬件选择，如基于MCU的项目，要从众多硅供应商的众多芯片中挑选，且配置方式多样。

从可行性角度看，需根据问题的约束条件来筛选合理的硬件选项。这些约束条件包括成本、内部专业知识、现有系统以及供应链等方面。明确这些约束能缩小硬件选项和可能解决方案的范围。有时，应用约束条件后可能发现没有合适的解决方案，比如在已有系统项目中，可用硬件可能内存不足，无法以合适的性能运行目标检测模型。

1.2 做出最终决策

在从伦理、业务、数据集和技术等方面评估项目的可行性后，就可以做出决策。若之前头脑风暴出的解决方案都不合适，可按以下步骤操作：
1. 根据评估过程中发现的新约束条件更新问题描述。
2. 重新进行头脑风暴，提出考虑新约束条件的新解决方案。
3. 对新解决方案进行同样的可行性评估。

这是一个迭代的过程，可能需要多次重复这些步骤，以明确对约束条件的理解并找到可行的解决方案。不过，有些情况下可能确实没有合适的边缘AI解决方案，此时要记录原因，可能是伦理问题，也可能是技术限制。即便未找到有前景的解决方案，从可行性角度探索解决方案空间的过程也很有价值。若解决方案未通过可行性测试，应避免继续推进，因为这可能会浪费时间并带来潜在危害。而知道某个问题没有合理的边缘AI解决方案也是有价值的信息，能让你避免像其他组织一样做无用功。若项目可行，就可以开始付诸实践。