边缘计算

头发够用的程序员

TensorRT 自定义算子插件实战（三）：手搓 2×2 最大池化 customMaxpool承接《TensorRT 自定义算子插件实战》系列前两篇：第一篇 customScaledTanh（单输入、逐元素、带参）、第二篇 customGatedTanh（双输入、融合、带参）。本篇实现第三个形态、也是真正拉开差距的一个：customMaxpool——一个 2×2 核、stride=1、无参数的窗口算子。它的难点不再是"多输入"，而是两个全新问题：算子没有参数（参数机制整个被砍掉）、输出尺寸发生变化（不再等于输入）。这三个算子加起来，正好覆盖了自定义插件的三大典型形态。

杭州领祺科技

27 号令横向隔离落地清单：储能边缘计算网关 ≠ 电力专用网闸，算电协同中心安全分区/纵向加密/SPDnet 怎么配作者：杭州领祺科技（linkqi.cn）撰写日期：2026-10-04（周日）窗口定位：国家发展和改革委员会令第27号《电力监控系统安全防护规定》（2025-01-01 施行）持续生效；GB/T 47968-2026《构网型变流器通用技术规范》实施日 2026-11-01 = T-28 天（沿用 10/3 L5829 + 9/30 EVOLUTION L102 修订口径）；算电协同中心安全防护为 MISSION §三 P0 场景可信度分级：A = 国家政策原文 / 国标官方 / B = 行业可推导结论

这张生成的图像能检测吗

（综述）边缘计算 × IoT：从机器信号处理到低时延故障诊断论文题目：Edge Computing on IoT for Machine Signal Processing and Fault Diagnosis: A Review（面向机器信号处理与故障诊断的 IoT 边缘计算：综述）

边缘计算：让智慧园区的治理能力“下沉“到最后一公里边缘计算：让智慧园区的算力"下沉"到最后一公里万物互联时代，数据不再需要全部"上云"。当摄像头、传感器、门禁在园区里密集成网，把算力放到设备旁边，让决策发生在数据产生的地方，边缘计算正在重塑智慧园区的运行方式。

智慧矿山井下风机运行状态视觉识别，通风系统智能监测场景井下局扇停机、风筒脱落、风机空转无法及时感知，是煤矿采掘工作面最易忽视的高危隐患。传统传感监测抗干扰能力弱、误漏报频发，人工巡检存在大量时段盲区，通风系统一旦失效，极易引发瓦斯积聚、粉尘超标，直接威胁井下安全生产，是矿山通风智能化改造的重点攻坚场景。

头发够用的程序员

TensorRT 自定义算子插件实战（一）：从零手写 customScaledTanh但上一篇结尾我特别强调过：这其实只是 “上半场”。导出的那个 custom::xxx 节点只是个 “空壳”——onnxruntime 跑不了，TensorRT 也跑不了，因为 TensorRT 根本不知道这个节点该怎么算。

鲁邦通物联网

生产线数据采集升级怎么做？边缘计算网关部署与数据架构设计导语：一条已经运行多年的生产线，如果最初只为了设备监控而采集少量PLC变量，随着MES、OEE、质量追溯和设备分析逐渐上线，原有数采方式很容易遇到瓶颈。此时升级边缘计算网关，真正需要调整的并不是单一硬件，而是设备、数据和应用之间的分工。

边缘计算赋能楼宇智能化：云边协同的实时闭环与自治架构边缘计算的本质，是把"智能"放到离设备最近的地方。对楼宇而言，边缘不是云端的替代品，而是让实时业务"零延迟闭环、断网不断服务"的关键一公里。

土星云SaturnCloud

边缘计算 + AI 视频存管一体机：快递末端网点分拣提效与安全管控实战方案快递末端网点是快递网络的 “毛细血管”，直接对接分拣、配送、用户寄取件全环节。传统站点普遍依赖人工分拣、人工巡查、普通监控录像，不仅分拣效率低、错分漏分多、暴力分拣投诉高，还面临烟火偷盗、消防通道占用、人员作业不规范等多重安全隐患；同时监控视频分散存储、调取追溯困难，管理高度依赖人力，难以支撑规模化、标准化的网点运营。

安防监控夜视方案2026：AI全彩+边缘计算+云平台安防监控是夜视技术最大的应用市场。2026年AI全彩夜视+边缘计算+云平台的融合方案，正在替代传统红外监控。理解这套方案，是安防行业从业者的必备功课。

szxinmai主板定制专家

半导体设备控制器：RK3576+CODESYS+RK182X异构架构，实现晶圆视觉检测与运动联动闭环标签：#RK3576 #RK182X #CODESYS #半导体设备 #晶圆缺陷检测 #运动视觉联动 #EtherCAT #PCIe异构 #工业边缘AI

Linux IO 监测：iotop 工业边缘排障实战工业边缘设备出现卡顿时，I/O 往往是重要线索：日志刷盘、离线数据补传、数据库 compaction、容器镜像构建、备份任务，都可能让 eMMC、SD 卡或 SSD 出现突发压力。iotop 能回答“哪个进程或线程正在产生块设备 I/O”，但它不能单独回答“设备是否饱和、延迟来自哪里、文件是哪一个、容器是否被限流”。

软件方法—工程函数—语言模型 20260925（千问）（本篇为千问聊天的导出版））摘要：本文围绕语言符号体系展开深度探讨，从胶水语言、Linda语言等专业术语出发，逐步构建起一套融合语言学、认知科学与人工智能的完整理论框架。作者将语言划分为书面符号、口头符号和心灵符号三种形态，并论证其构成一条从心理源头到外在表达的"产生式链条"。在此基础上，文章进一步将推理式、生成式、产生式三大范式统一为"符号"的不同处理方式，最终提炼出"软件方法—工程函数—智能模型"的递进逻辑，指出智能模型只是被包裹在软件方法体系内的一个普通组件，应当默默运转而非喧闹炒作。

努力努力再努力wz

【边缘计算入门系列】从“在哪里算”到“怎么算”：一文建立边缘计算、算子、计算图与 Tensor 的底层心智模型🔥 本文专栏：边缘计算 🌸作者主页：努力努力再努力wz💪 今日博客励志语录：你可以暂时没有结果，但不能长期没有积累。

土星云SaturnCloud

HRNet-pose 算法全解析：从高分辨率网络原理到土星云 SE110S 边缘部署实战在计算机视觉领域，人体姿态估计（Human Pose Estimation）一直是一个核心且充满挑战的研究方向。它的目标是从图像或视频中定位人体的关键关节位置——肩膀、手肘、手腕、膝盖、脚踝等，进而构建出人体的骨架结构。这项技术不仅是行为识别、人机交互、动画制作等上层应用的基石，更是智能安防、工业安全监控等场景中不可或缺的底层能力。

飞猫的边缘AI

边缘AI应用：家用AI摄像头怎么做数据训练？家用AI摄像头的数据训练，是从数据收集和标注→云端模型训练→模型压缩→端侧部署。核心逻辑是在云端用海量数据和强大算力训练出一个“大模型”，再把它压缩成能塞进摄像头芯片里的“小模型”。

当边缘AI上产线：QtitanDocking 如何让工业 HMI 实现多视图协同视觉缺陷检测、预测性维护、调度监控这一类工业 HMI 场景，同一时刻要在同一屏内承载多种异构视图——AI 实时推理结果、设备运行曲线、报警日志、生产参数并存。随着 AI 推理从云端下沉到产线边缘，这些视图的信息密度与刷新频率同时上升，传统单一窗口的 Qt 布局在工位现场越来越多地暴露出承载力不足的问题。

Linux ss 工业边缘网络分析实战工业边缘网关上常见三类网络问题：服务没有按预期监听、连接堆积在异常状态、外联链路不清楚。ss 是 Linux iproute2 工具集里的 socket 统计工具，通过内核 netlink 接口读取 TCP、UDP、Unix socket 等连接信息，适合在资源有限的边缘设备上做快速定位。

荆棘鸟智能

城市感知设备怎么统一接入？从多协议网关到设备模型的中间件架构设计做城市级AI视觉或物联网平台，经常会遇到一个问题：设备接得越多，平台反而越难维护。摄像头可能走ONVIF、GB/T 28181或者厂商SDK；环境传感器可能走MQTT、Modbus；还有门禁、道闸、边缘终端以及各种私有协议。

JVS-IOT 数字孪生实战指南：作为容错缓冲层的工程实现与规则安全调用在 JVS-IOT 平台中，数字孪生（Digital Twin）并非前端 3D 动画或 GIS 地图的视觉包装，而是一个由物模型驱动、运行于云端的设备状态镜像服务。它的核心作用是为上层业务提供稳定、一致、可预测的数据访问接口，尤其在物理连接不可靠的工业现场，承担关键的容错缓冲职责。