EdgeMLOps：面向视觉质量检测使用 Cumulocity IoT 和 thin-edge.io operationalize ML 模型
机器学习
2025-01-29 v1 人工智能
计算机视觉与模式识别
摘要
本文介绍了 EdgeMLOps，一个利用 Cumulocity IoT 和 thin-edge.io 在资源受限的边缘设备上部署和管理机器学习模型的框架。我们解决了在边缘环境中模型优化、部署和生命周期管理的挑战。该框架的有效性通过一个视觉质量检测 (VQI) 用例得到演示，其中在边缘设备上处理资产的图像，使其能够在资产管理系统中实现实时状态更新。此外，我们评估了不同量化方法（具体为 static 和 dynamic signed-int8）在树莓派 4 上的性能优势，显示相对于 FP32 精度显著减少了推理时间。我们的结果突显了 EdgeMLOps 能够在工业应用中实现高效且可扩展的边缘 AI 部署的潜力。
引用
@article{arxiv.2501.17062,
title = {EdgeMLOps: Operationalizing ML models with Cumulocity IoT and thin-edge.io for Visual quality Inspection},
author = {Kanishk Chaturvedi and Johannes Gasthuber and Mohamed Abdelaal},
journal= {arXiv preprint arXiv:2501.17062},
year = {2025}
}