边缘智能技术快速迭代，并与行业深度融合。它正重塑产业格局，催生新产品、新体验，带动终端需求增长。为促进边缘智能技术的进步与发展，拓展开发者的思路与能力，挖掘边缘智能应用的创新与潜能，高通技术公司联合阿加犀智能科技主办了"2024高通边缘智能创新应用大赛"。大赛共甄选出 36 个卓越项目，以下为智能边缘计算赛道高校开发者的优秀项目分享：
▲ 家蚕监控养殖系统
▲ 猪只行为检测
▲ 智能溺水识别系统
随着云计算和物联网技术的飞速发展，数据量的爆炸式增长带来了对数据处理速度和效率的新要求。边缘计算应运而生，将计算和数据处理推向网络边缘，靠近数据源，以提高数据处理的速度和效率。而在人工智能技术的赋能下，边缘计算正迅速崛起并重塑着数据处理和分析的未来。
在此次大赛中，高校的开发者们凭借深厚的学术积累和创新精神，利用智能边缘计算技术赋能应用开发，打造出了一系列优质的智能边缘创新应用作品，为智能边缘计算领域的发展注入了全新活力。
家蚕监控养殖系统
中国的桑蚕养殖业历史悠久，是全球最大的桑蚕生产国，蚕茧和蚕丝的产量占全球总产量的四分之三以上。随着人民生活水平的提高，对蚕纺织品的需求持续增长，市场潜力巨大。
然而，桑蚕对生长环境极为敏感，容易受到病害的影响，甚至可能导致大规模死亡。此外，养殖桑蚕需要在特定季节投入大量劳动力进行喂养、管理和采茧，导致人力成本较高。为了解决这些问题，参赛者设计了一套基于边缘计算的家蚕智能监控养殖系统，能够实时监测蚕的生长环境和状态。
高通QCS6490平台边缘智能物联网开发板作为整个系统的核心，负责机器视觉模型的推理和与云平台通信。通过引入机器视觉技术，并利用阿加犀边缘智能工具链进行转换和优化，相关模型能够在高通平台上高效运行，实现对家蚕数量和疾病的自动检测，减少对专业人员的依赖。
系统还能采集环境温湿度、二氧化碳等参数，并通过MQTT协议将数据传输至云平台，实现环境控制。云端处理后的结果和原始数据将提供给用户，以便他们做出更精准的决策，优化家蚕的生长环境。
通过边缘计算技术和传感器的集成，该系统有效降低了人力成本，提高了桑蚕养殖效率。在实际应用中，可以通过轮巡的方式，让多台设备使用同一块高通平台边缘智能物联网开发板进行检测，进一步降低设备成本，助力蚕农提高经济效益。
猪只行为检测
为了应对传统养殖中监控效率低、数据采集不精确、环境监控不足以及疫病防控困难等问题，促进生猪养殖业向智能化、自动化转型，参赛团队开发了基于SNPE的猪只行为检测项目，实现对猪只的高效识别与智能监控。
该项目利用深度学习技术，采用STF-YOLO目标检测模型和DeepSORT目标追踪算法，结合多ROI识别技术，实现了对猪只行为的高效识别和精确追踪，同时显著降低了系统运行的计算成本。
与市场上现有方案相比，本项目在技术先进性上具有明显优势------参赛者基于高通QCS6490平台边缘智能物联网开发板，通过阿加犀边缘智能工具链进行模型的压缩、剪枝、转换等优化处理，结合高通SNPE加速技术，不仅使项目提升了模型的推理速度，还实现了多模型并行处理，能够处理多路视频流，满足大规模养殖场的需求。
项目还开发了基于Qt的多ROI智能监控平台，提供了用户友好的图形用户界面，使养殖管理更加智能化和自动化。该平台支持多路并行处理和多硬件协同加速，能够实现24小时全天候监控，及时捕捉并分析猪只行为和环境数据，为养殖管理提供科学决策支持。平台还具有高度扩展性，可根据需求定制功能，如健康评分、饲料管理等。
总体而言，该项目在技术创新和系统功能上具有多样性，具有显著的社会价值。它有望推动生猪养殖业的智能化发展，为养殖业带来革命性变革，市场应用前景广阔。
智能溺水识别系统
调查显示，目前溺水救援主要依赖于救援人员的传统现场施救方法，这一过程耗费大量人力物力，尤其是在发现溺水者环节，要求救生员高度集中注意力进行监视。
为解决这一问题，参赛者开发了一套智能溺水识别系统。该系统以高通QCS6490平台作为边缘计算端单元，集成摄像头、声音报警器及其他必要传感器，运用视觉检测算法和深度学习技术对捕捉到的图像进行目标检测与图像分割处理，并将检测数据传输至手机或电脑，及时提醒救生员施救。
项目采用先进的YOLO目标检测技术，基于视觉识别技术高精度识别溺水者的动作和状态。任何在水中的异常动作和状态都能被迅速检测出来，从而保护游泳者安全，降低人工监控成本。
此外，系统还能对溺水事件进行精准定位和追踪，提供准确的事件发生地点和轨迹信息，为溺水救援提供了一个高效、自动化的质量控制解决方案，显著提升了游泳者的安全保障。
从长远来看，溺水识别系统具有显著的商业化价值。它不仅满足了日益增长的防溺水安全需求，尤其在游泳馆、海滩等高风险场所有效降低溺水事故，还提升了公共场所的安全管理水平，增强了公众的安全感，有望满足市场对安全质量的需求，具有可观的经济效益和广泛的社会价值。