如何利用智能技术提升重型移动设备的性能与效率

越来越强大和智能的车载计算机正在出现，以满足对更智能的重型移动设备 （HME） 的需求。以更高的自动化程度改造建筑、农业和采矿业意味着这些下一代联网车辆可以感知和分析其当前环境和运行状况，然后实时执行改进。

对农业生产、建筑和原材料的需求增加意味着车队所有者和运营商正在寻求在不影响安全和成本的情况下提高生产力和产量的方法。新的、可定制的平台架构的到来解决了当今对深度学习、车载人工智能和高性能嵌入式计算的挑战和未来需求。最新的安全、创新计算平台由英特尔® 技术提供支持，并准备让车队领导者受益于加快上市时间、降低总拥有成本以及增强车辆安全性、设备安全性和性能。 运营商和制造商现在可以通过检查重型车辆系统所采取的方法来权衡对下一代智能、互联和自动驾驶汽车的要求。

需求与创新相遇的地方

理想情况下，最终用户和车队运营商必须超越驾驶员辅助和 4 级或 5 级自动驾驶车辆的直接好处。自动化的应用可以更安全地运行 HME 设备、增加产量、减少浪费并组织工作量。车载计算系统利用实时可操作数据的全部潜力，收集传感器数据以监控视频和使用时间以进行预防性维护。在这里，基本和高级远程信息处理之间的关键区别是显着的。早期的远程信息处理应用的特点是不同的设备不进行通信，需要不同的电源，并以不同的安全级别运行。相比之下，今天更先进的远程信息处理收集多种类型的数据（视频、时间使用、维护警报、等等）并使用它来驱动在边缘计算的结果。然后可以应用数据分析来提高设备性能、安全性和维护性，或者更准确地了解操作环境。

这种收集和利用数据的更全面的方法正在成为自动化的内在组成部分。对于 HME 部门，它是数字化转型战略的基础。

图 1. 自动驾驶由五个级别定义，从零级（无自动化和人类驾驶员控制）开始，一直到具有完全自动驾驶性能的五级。一级仅提供辅助工具，如摄像头和自适应巡航控制，而二级部分自动化转向和加速，以提高驾驶员的舒适性和安全性。HME 部门主要利用第三级及更高级别，从有条件的和高度自动化的驾驶员到场的完全自动化，无需人工驾驶员。

全面而高效的 HME 任务自动化是人类和机器追求更准确决策的关键。重型移动设备——从挖掘机、平地机、挖掘机、推土机和拖拉机到联合收割机、反铲装载机和钻机——正在从智能、互联和数据驱动的自主操作方面的这些进步中获益。

在最新的通信和计算技术的支持下，应用程序连接和自动化农场、建筑工地和矿山工程中的重型车辆和设备。这一转变旨在提高安全性、生产力和效率，同时减少基础设施需求。车载边缘计算功能使重型车辆制造商、运营商和用户能够在需要时访问他们需要的信息，从而在现场或未来做出更好的决策。分析的力量在于，信息可以现在或以后用于规划目的，通过延长车辆寿命和降低运营成本来增加价值。

使重型移动设备适应新任务也变得越来越容易。现有机械的“售后市场”智能互联解决方案的可用性为自动化提供了一种低风险的方法。例如，现在存在交钥匙和即插即用套件，可将标准卡车、挖掘机和推土机转换为半自动甚至全自动车辆。 这是全行业的胜利，因为 HME 车队固有的成本、自然寿命和变化意味着车主可以投资于可以使用多年的系统，然后再重新安装在其他车辆上。

人工智能、自主和基于边缘的 HME 系统释放了边缘的真正潜力，但为了无缝工作，它们必须具备一些关键能力。由于空间限制，它们必须高度紧凑。它们需要加固以承受粗暴的操作、灰尘和水的侵入、振动以及通常的极端工作温度。数据安全和用户安全功能是必要的。总拥有成本、长期产品可用性和行业标准组件的利用率也是解决投资回报率和同一车队中不同机器的特定要求的重要考虑因素。最后，利用升级处理器和加速器等未来技术进步的能力是可能的。

重型应用；重型要求

对于系统开发人员来说，这是一个不断发展的新领域，智能、坚固的设计提供了竞争优势，并使 HME 为接下来的发展做好了准备。接下来是大事……据IMARC Group称，到 2024 年，全球自动化建筑市场的价值预计将达到 1866 亿美元，2019-2024 年的复合年增长率为 15.5%。这表明自动机器在加速挖掘、平整、推压、压实、挖沟、卡车装载和拆除等建设项目方面具有巨大价值。自动化使人类可以随时完成更复杂的任务——鉴于熟练和可用劳动力日益短缺，这是一个显着的优势。

这导致对将机器人技术和人工智能技术融入重型机器的需求增加，以使其更有效地减少浪费并确保将正确的车辆分配给正确的工作。例如，理想情况下，车辆的控制系统应该根据从多个车载传感器实时捕获和处理的数据来控制牵引力。地理围栏解决方案可防止机器偏离施工现场的特定边界，甚至车载激光雷达，摄像头可以识别障碍物以避免潜在的碰撞。

在农业领域，机器人技术和人工智能正在帮助农民控制成本，同时提高产量。农业市场的人工智能预计将从 2020 年的 10 亿美元增长到 2026 年的 40 亿美元，2020 年至 2026 年的复合年增长率为 25.5%。这种增长是由传感器和航拍图像生成的数据越来越多的实施推动的。得益于深度学习技术和政府对采用现代农业技术的支持，农民正在提高作物生产力。

配备 GPS 和传感器的自动拖拉机可以在任何条件下（雾、灰尘和极端温度）安全地不间断运行。在收集土壤条件数据的同时执行耕作和喷洒等任务，为正确维护种植作物提供了主要优势。一些自动驾驶拖拉机还提供施肥指导，在植物周围移动和远离生长的植物。

施用杀虫剂、化肥和杀菌剂的应用程序可以帮助农民减少农作物中的杂草侵扰，但人工智能和内部加固型车载计算对提高效率至关重要。人工智能与 5G 相结合，将在快速确定哪些植物是杂草和哪些不是杂草方面向前迈出了一大步，同时重点和有计划地施用杀虫剂以最大限度地减少环境问题。

矿业公司在部署智能互联设备方面一直处于领先地位——早期认识到其减轻和避免行业危害的能力。Mordor 市场报告支持这一点，该报告预计自动化采矿设备市场在 2021 年至 2026 年的预测期内复合年增长率为 35.38%。

对用于电池（用于设备和车辆）的某些矿石的需求要求采矿车辆到达对人类来说太危险的深度。自动矿山车辆允许安全开采原本无法获得的矿石，提高产量并避免人力的危险尝试。联网车辆和钻机可以 24/7 全天候工作，不仅提高了工人的安全性，而且提高了整体生产力和产量水平。自动车队跟踪为接近检测和远程机器操作提供动力，从而优化整个矿山的运输卡车的移动，以及从远程操作员那里安全地接收指令的能力。带有板载传感器的智能深孔钻机也经常部署，因为它们可以在钻孔点实现更精确的定位、深度和角度。精度更高，

大数据+大设备=大需求

物联网设备、传感器和摄像头/视频从驾驶员操作和全自动驾驶车辆中产生大量数据，需要在几分之一秒内处理数百个信号。其中许多场景发生在数据来源附近，即现场的重型移动设备上。

为了应对这些挑战，嵌入式解决方案必须提供连接性和可配置性以及高计算处理、图形、存储和带宽。车载/本地人工智能机器学习和深度学习应用程序的快速采用在设定设计师期望方面发挥了作用。高带宽 5G 移动通信的到来肯定会增加这些期望。

高度准确和可操作的信息使运营商、设备制造商和车队供应商能够前所未有地访问“实时”机器性能数据，以进行预测性维护计划。使用实时数据远程执行状态监测、诊断和某些维修的能力有助于抢占或最小化潜在故障，并执行关键维修或安排非关键维修。车队操作员可以查看空转的车辆是否只是在休息或实际上已经发生故障。可以跟踪、测量和记录服务时间和机器生产率。这不仅可以减少耗时的现场服务访问（从而节省成本），而且还可以通过提高机器可靠性和降低总体 TCO 来确保服务组织提高客户满意度。

依赖 HME 的行业正在推动全球自动化的进步。新的智能和自主解决方案正在铺平道路，允许人和机器协同工作，以提高运营效率和生产力。

作者：Jack London，Andrea Thomas

审核编辑：郭婷