热检测和计算机视觉帮助缓解冠状病毒大流行

冠状病毒大流行迅速使世界各国的医疗保健基础设施不堪重负。例如，在美国，最初发布的有缺陷的检测试剂盒加剧了这种情况，随后导致无法准确筛查潜在患者的疾病。

但是，也错失了在入境口岸预先筛查潜在冠状病毒携带者的机会。与其对毫无戒心的承运人调查他们最近的旅行情况，运输安全管理局等当局本可以从使用能够检测与 COVID-19 相关的症状（例如发烧和异常呼吸模式）的人工智能计算机视觉技术中受益匪浅。精确和实时。

工业 GPU 计算机现在具有在边缘执行这些神经网络算法的性能和可扩展性，可实现大规模的非接触式筛查，这将有助于减轻冠状病毒和其他潜在致命传染病的传播。

台湾：疾病预防和缓解案例研究

尽管台湾靠近冠状病毒爆发的中心，该国遏制疾病传播的能力归功于 SARS 流行后采取的措施，其中包括在机场使用温度监测来筛查旅客是否发烧。

当然，在这些高密度环境中使用机场或医务人员对每位乘客进行物理测量即使不危险也是不现实的。首先，它将为乘客和医护人员之间的传染病指数传播提供一个平台，特别是考虑到防护性外科口罩和手套的短缺。其次，这将导致最近导致美国机场等待时间长达 7 小时的瓶颈。

相反，台湾的主要机场使用高分辨率热像仪和深度学习。一旦摄像机捕捉到乘客的红外图像，成像数据就会被传递到Premio VCO-6020-1050TI或VCO-6022C-2PWR工业 GPU 计算机等系统。捕获的像素随后由片上 Intel® 或 NVIDIA® 图形引擎处理，而多核 CPU 执行计算机视觉算法。在某些情况下，可以部署面部识别算法，从而在问题发生之前将其阻止。

如图1所示，CPU-GPU 架构减少了执行时间和热量产生，并允许 Premio VCO-6020-1050TI 和 VCO-6022C-2PWR 平台分别仅消耗 50 W 和 75 W。VCO-6022C-2PWR 可支持高达 RTX 2060 Super GPU 的图形处理器，提供 2176 个 Nvidia CUDA 内核，足以进行实时机器推理。

图 1. 与单片计算架构相比，异构 CPU-GPU 架构减少了执行时间、功耗和热量产生，如此基于 OpenCL 的热成像应用程序中所描述的

这些系统的另一个关键考虑因素是快速内存和存储的可用性，它们允许不同的计算元素从图像处理快速过渡到推理执行，或者在神经网络算法的各个层之间。在这里，高达 32 GB 的板载 DDR4 SO-DIMM 内存以高达 2133 MHz 的速度运行，与其他可用内存选项相比，它消耗的功率更少，同时仍以足够快的速度传输数据以供系统实时执行。

根据软件堆栈和实施，基于 VCO-6020-1050TI 和 VCO-6022C-2PWR 等平台的基于 AI 的温度监测解决方案能够每分钟对多达 200 个对象执行热推断，同时准确检测 99.1ºF 的温度或以上。

请记住，所有这些计算都是直接在边缘执行的，并且受益于坚固的工业 GPU 计算机。

最大化发烧检测数据的价值

在温度监测系统捕获、处理和分析乘客成像数据后，必须以可用、有意义的方式将调查结果呈现给官员。这是 VCO-6020-1050TI 和 VCO-6022C-2PWR 等系统的异构多核架构的另一个优势，因为可以保留 CPU 内核来执行系统管理、控制和通信任务。

例如，两个平台都能够通过 DVI-I、DisplayPort 或 HDMI 端口同时驱动多个独立显示器（6022C 上三个，6020 上六个）。这使官员能够监控主要计算机视觉应用程序的结果并采取必要的措施，例如隔离疑似发烧的旅行者。

然而，在不久的将来，这些系统可以用来部署更大规模的智能健康和旅行计划。两个平台上的以太网、USB 和串行通信选项允许将来自扫描的数据与来自其他系统的信息集成，例如自动护照控制 （APC） 机器。

在这种情况下，VCO-6020-1050TI 或 VCO-6022C-2PWR 可以同时驱动三到六个 APC 或全局输入系统，同时对来自热像仪的成像数据运行计算机视觉算法。然后，该系统可以将积极的发烧推断与乘客旅行信息相关联，以确定是否应根据某人最近的目的地将其视为具有极高风险。

如果部署需要更多处理、存储或网络功能，该平台提供 mini PCIe 插槽、两个 2.5“ HDD 托架和 PCI/PCIe 扩展（仅限 VCO-6022C-2PWR）。平台支持 -25ºC 至 +工作温度范围为 70ºC；采用挤压铝材和重型金属包装；可通过正面 I/O 进行壁挂式和 DIN 导轨安装。

而且，如果温度监控部署也需要能够驱动摄像头的解决方案，RCO-6020-1050TI 提供与其 VCO 系列同类产品相同的大部分功能，并且能够驱动多达 8 个支持 PoE 的设备。

尽管在机场和台湾以及全球其他地方进行的健康检查取得了进展，但也有改进的余地。最近几周，仅依赖热成像数据的不太复杂的系统被批评为无法有效捕获过境的冠状病毒携带者，这就是为什么现在并将继续更加强调将它们与边缘人工智能相结合的原因。

同时，人工智能算法本身也在准确性、效率甚至模态上不断进步。例如，中国研究人员和学者目前正在开发一种识别呼吸急促的神经网络，这是一种异常呼吸系统疾病，比单纯的发烧更容易与 COVID-19 相关，目前准确率超过 95%。

实时异常呼吸模式分类系统能够在多个对象上实时执行。经过进一步改进，它可以提供另一种准确、可扩展的方式来测试大量受试者。

无论算法如何，社会都需要大量能够在边缘执行实时推理的高性能、低功耗平台。由于缺乏冠状病毒检测试剂盒，出现了像“开车”检测这样的潜在解决方案，这一点变得更加明显。

如今，此类解决方案可以迅速证明投资回报的合理性，并且比其他解决方案更快地使社会恢复正常。

审核编辑：郭婷