美國能源部(DoE)旗下的阿貢國家實驗室(Argonne National Laboratory)發表了一種運用於遠端感測的統包式(turn-key)物聯網(IoT)技術突破;這種「Waggle」概念──在芝加哥的「Array of Things」智慧城市專案中進行了兩年測試──終於可以導入智慧工業與政府感測器陣列中。

Waggle的突破在於其「邊緣運算(edge computing)」硬體與圖案識別軟體,能以機器學習在將現場影像及音訊資料傳輸至雲端之前進行「預處理(pre-process)」;能源部指出,由阿貢實驗室打造的無線環境感測平台,是全球第一個統包式邊緣運算方案,可透過傳輸經過識別的事件到雲端、而非原始資料,而大幅減少巨量資料(Big Data)問題。

此外其子板(daughter-board)架構,允許任何一種感測器陣列安裝到「感測器網路邊緣(sensor-net edge)」裝置,因此能利用機器學習來識別幾乎所有東西。

20170227 smartwaggle NT03P1

德州大學達拉斯分校的大氣科學家David Lary,介紹以整合到阿貢實驗室開發之Waggle平台的空氣微粒感測器,監測田納西州Chattanooga 的空氣品質
(來源:Wes Agresta,Argonne National Laboratory)

阿貢實驗室舉辦了為期兩天的技術研討會,吸引產官學界對Waggle平台有興趣的50多位工程師參加,包括來自美國太空總署(NASA)、美國環保署(EPA)、Honeywell、Bosch、美國德州大學達拉斯分校(University of Texas-Dallas),以及奧勒岡州波特蘭市(Portland)的代表。

Waggle節點能以輪詢(polling)或自動(automatic)模式運作(或兩者同時),讓科學家們能從讀取在雲端紀錄、預先識別的資料開始,或是即時輪詢無線節點以取得目前狀態的資料──可以是原始資料或是經過預先識別的。

20170227 smartwaggle NT03P2

Waggle利用感測器端的圖案識別資料,而非傳輸到雲端的原始資料,確保傳輸到分析性雲端資料庫的資料流能呈現目標物件狀態

目前Waggle被運用於亞馬遜叢林的森林砍伐研究,以及改善載人太空任務的空氣品質,還有增進我們對環境、人類健康(例如花粉與氣喘疾病之間的關聯性)等研究的了解。

Waggle的機器學習功能可用以識別鳥類、汽車、自行車,或是雲的各種形狀以及其他環境現象,例如監測廢水的流向;而因為該平台採用消費性等級感測器,也能運用於小型化的廉價超低功耗可穿戴式物聯網裝置。

20170227 smartwaggle NT03P3

Waggle平台內含四顆處理器,採用Linux作業系統,能混合搭配具備不同特定應用感測器的陣列
(來源:Wes Agresta,Argonne National Laboratory)

編譯:Judith Cheng

(參考原文: Smart Waggle Boosts IoT,by R. Colin Johnson)