边缘计算

智驱力人工智能13 分钟前
人工智能·深度学习·opencv·算法·目标检测·cnn·边缘计算
在安全与尊严之间 特殊人员离岗检测系统的技术实现与伦理实践 高风险人员脱岗预警 人员离岗实时合规检测 监狱囚犯脱岗行为AI分析方案在精神卫生中心、养老机构、重症监护室以及强制隔离戒毒所等场所,对“特殊人员”(如精神病患者、失智老人、危重病人、未决犯)的监护,是法律、伦理与专业责任的核心要求。传统的“人盯人”或定时巡查模式,不仅耗费巨大人力,且存在反应滞后、疲劳疏忽的风险。一旦发生未经许可的离岗(如患者擅自离院、老人意外走失),后果往往十分严重,并易引发重大社会舆情。因此,利用视觉分析技术构建的 特殊人员离岗检测 系统,正逐渐从辅助工具转变为关键基础设施。然而,与普通安防不同,这一系统的构建与应用,必须在技术创新与人文伦理、有效监护与
Xの哲學1 天前
linux·服务器·网络·算法·边缘计算
Linux SLUB 内存分配器深度剖析: 从设计哲学到实战调试想象一下, 你管理着一个大型仓库, 每天有成千上万不同尺寸的货物需要存储和取出. 如果每次有人来取货, 你都要从头到尾搜索整个仓库, 效率会多么低下!Linux内核面临类似挑战——它需要频繁分配和释放大小各异的内存对象. 早期的SLAB分配器就像是一个“货架分类不够精细”的仓库, 而SLUB(SLAB Unqueued)则是经过精心设计的现代化仓储系统
乾元1 天前
运维·网络·人工智能·网络协议·重构·边缘计算
边缘计算网络的自动流量分配与用户感知 QoE 优化——从“链路最优”到“体验最优”的网络控制闭环随着 5G、超高清视频及自动驾驶业务的爆发,边缘计算(MEC)已从实验室走向大规模组网。然而,当计算节点下沉到边缘,传统的“静态配置”与“尽力而为”的转发模式成了最大的瓶颈。网络工程师们发现,即便 RTT 低、带宽足,用户侧的投诉依然层出不穷。
DeepVis Research2 天前
网络·人工智能·物联网·自动驾驶·数据集·边缘计算·供应链
【Edge/V2X】2026年度极端环境车载边缘计算与工业朋克网络演进基准 (Evolution Index)为了验证**工业物联网(IIoT)在极端高温、高沙尘及资源匮乏(Resource-Constrained)**环境下的鲁棒性,我们整理了跨度长达45年的 "MadMax-Evolution-Saga" 基准测试集。
hk11242 天前
ffmpeg·边缘计算·音视频开发·h.265·测试数据集
【音视频/边缘计算】2025年度H.265/HEVC高并发解码与画质修复(Super-Resolution)基准测试报告(含沙丘/失控玩家核心样本)⚠️ 仿真数据合规与免责声明 (Data Compliance Disclaimer)本文提供的所有测试码流(Bitstream)均截取自公开出版的影视作品或虚拟引擎渲染片段。所有场景仅作为画质抗损耗测试、编解码压力测试及色彩还原度分析的基准参考(Benchmark)。本数据集仅供技术研究与算法调优使用,请勿用于商业分发,测试完成后请及时清理缓存。
Xの哲學4 天前
linux·服务器·网络·算法·边缘计算
Linux SMP 实现机制深度剖析先把话说在前面:早期的 Linux 0.11 是典型的单 CPU 内核, 不支持 SMP(Symmetric Multi-Processing, 对称多处理). 真正在 PC 平台上较稳定、系统化地支持 SMP, 大概是 2.0 之后的事. 下面的分析会以现代 Linux 内核(2.6 以后为主)为参照, 但讲的都是 Linux 核心机制, 而不是拍脑袋的理论
Xの哲學4 天前
linux·服务器·网络·算法·边缘计算
从硬中断到 softirq:Linux 软中断机制的全景解剖在 Linux 里,外设一发中断,CPU 上来的第一反应是“硬中断处理程序”(hardirq),但真正大头的工作,往往被拆包转交给一个更“温和”的机制——软中断(softirq)。软中断是 Linux 内核里用来承接“与中断紧密相关、又不适合在硬中断里耗时太久”的那部分工作的一套框架,它是网络协议栈、块设备 IO、定时器等子系统的核心基础设施。
Xの哲學5 天前
linux·服务器·网络·算法·边缘计算
Linux网卡注册流程深度解析: 从硬件探测到网络栈在Linux网络子系统中, 网卡驱动的注册过程是一个复杂而精妙的系统工程. 作为Linux内核的核心组件之一, 网络接口控制器的初始化流程涉及到硬件抽象层、总线驱动、网络设备驱动和网络协议栈多个子系统的协同工作
Xの哲學5 天前
linux·服务器·算法·架构·边缘计算
Linux CFS 调度器深度解析在 CFS(Completely Fair Scheduler, 完全公平调度器)出现之前, Linux 使用的是 O(n) 和 O(1) 调度器. 这些调度器基于固定的时间片(time slice)和优先级, 就像给每个进程分配固定长度的“发言时间”. 但这种方式存在明显问题:
鲁邦通物联网5 天前
边缘计算·数据采集·工业数据采集·边缘网关·边缘计算网关·5g数采
工业协议解析与边缘计算:构建高效的边缘计算网关软件架构摘要: 在边缘计算场景下,如何设计高效的协议解析架构?本文深入探讨模块化驱动设计、异构数据归一化以及轮询机制优化等核心技术,以鲁邦通RobustOS为例,为开发者揭示构建高性能数据采集网关的技术路径。
边缘计算社区5 天前
大数据·人工智能·边缘计算
第12届全球边缘计算大会-精彩瞬间2020.11-2025.12全球边缘计算大会五周年,感谢一路同行
鲁邦通物联网6 天前
边缘计算·数据采集·工业数据采集·边缘计算网关·5g数采
边缘计算网关厂商的DevSecOps能力与固件维护体系评估摘要: 如何从软件工程角度评估网关厂商的可靠性?本文深入探讨固件模块化架构、CVE漏洞响应机制、DevSecOps工具链集成及边缘性能优化等技术“软实力”,为架构师提供专业的数据采集网关评估维度。
Xの哲學6 天前
linux·服务器·网络·算法·边缘计算
Linux IPC机制深度剖析:从设计哲学到内核实现想象一下一座大型办公楼里的不同部门. 每个部门(进程)都有自己的办公室(内存空间), 独立工作, 互不干扰. 但当它们需要协作完成一项任务时——比如市场部需要财务部的预算数据——就需要一种可靠的沟通机制. 这就是Linux IPC(Inter-Exchange Communication)要解决的问题:在保持进程隔离性的前提下, 实现安全高效的数据交换
智联物联6 天前
边缘计算·数据采集·远程监控·智慧交通·物联网应用·智能网关·隧道管理
智慧交通高速公路隧道管理边缘计算网关应用方案高速公路隧道照明系统可直接影响行车安全与能耗成本。传统隧道照明多采用本地定时控制或人工巡检模式,存在响应滞后、能耗浪费、运维成本高、故障排查不及时等问题。
Blossom.1187 天前
人工智能·分布式·python·智能手机·django·prompt·边缘计算
Prompt工程与思维链优化实战:从零构建动态Few-Shot与CoT推理引擎摘要:本文将撕开大模型Prompt工程的黑盒,从零手写动态Few-Shot选择、思维链(Chain-of-Thought)自动化构建、Prompt对抗防御等核心模块。不同于简单的模板拼接,我们将实现基于向量检索的Few-Shot选择、蒙特卡洛树搜索(MCTS)优化CoT路径、梯度压缩的Prompt调优等前沿技术。完整代码涵盖Prompt数据库、推理路径评估、对抗样本检测等模块,实测在GSM8K数据集上准确率从67%提升至89%,推理成本降低42%,并提供生产级Prompt管理系统。
AI_56787 天前
人工智能·边缘计算
智慧交通:基于边缘计算的信号灯智能调度系统一、边缘计算赋能信号控制的三大突破graph LR A[摄像头/雷达] --> B(边缘节点) B -->|实时控制| C[信号灯] B -->|数据聚合| D[区域中心] D -->|模型训练| E[云端大脑] E -->|参数下发| B
国科安芯7 天前
人工智能·单片机·嵌入式硬件·架构·边缘计算·安全威胁分析·安全性测试
低轨卫星边缘计算节点的抗辐照MCU选型分析摘要:随着低轨卫星星座规模化部署与边缘计算范式向空间领域的延伸,星载计算节点的选型需在传统抗辐射加固要求与新兴算力需求之间实现精细化权衡。本文以国科安芯推出的国产RISC-V架构商业航天级MCU AS32S601为研究对象,系统阐述其单粒子效应(SEE)与总电离剂量(TID)试验验证数据,构建基于LEO轨道辐射环境模型的算力-功耗-可靠性三维评估框架,针对数据采集、姿态控制、协议处理三类典型边缘计算场景开展适配性分析,为商业航天边缘计算节点的架构选型提供工程化决策依据。
Xの哲學8 天前
linux·服务器·网络·算法·边缘计算
Linux多级时间轮:高精度定时器的艺术与科学在计算机系统中,定时器如同时间的守门人,它们无处不在:早期的Linux内核使用简单的单链表管理定时器,但随着系统复杂性和性能要求的提升,这种简单结构的局限性日益明显。
2401_832298108 天前
运维·服务器·边缘计算
云服务器:边缘计算时代的“智能节点”随着物联网、5G等技术的快速发展,边缘计算正成为云计算的重要补充。云服务器作为边缘计算的核心节点,正以其低延迟、高可靠性的特性,推动着物联网应用的创新发展。
无心水8 天前
pytorch·边缘计算·树莓派·onnx·int8·神经风格迁移:性能·神经风格
【神经风格迁移:性能】23、边缘艺术革命:树莓派+ONNX实现本地神经风格迁移,单张<2秒神经风格迁移技术长期以来因计算资源需求高而被限制在云端或高性能GPU上运行。本文将突破这一限制,详细介绍如何在仅售35美元的树莓派上实现实时神经风格迁移。通过ONNX Runtime Tiny优化、INT8量化技术和ARM NEON指令集加速,我们成功将推理时间压缩至2秒以内,同时支持摄像头实时风格迁移。本文不仅提供完整的部署方案,还深入探讨了在资源受限环境下性能与质量的权衡艺术。