设计和实施基于ESP32的边缘计算,用于对象检测
Yeong-Hwa Chang1,2, Feng-Chou Wu1, Hung-Wei Lin1
1Department of Electrical Engineering, Chang Gung University, Taoyuan City 333, Taiwan.
Sensors (Basel, Switzerland)
|April 28, 2025
概括
这项研究表明,基于ESP32的边缘服务器如何通过减少云负担和延迟来增强边缘计算. 该系统有效地降低了对AI驱动的对象识别任务的带宽使用和处理延迟.
科学领域:
- 计算机科学 计算机科学
- 电气工程 电气工程
- 人工智能的人工智能
背景情况:
- 越来越需要减少云服务器负载和物联网应用程序中的延迟.
- 传统以云为中心的计算对实时数据处理的局限性.
- 边缘计算的潜力,以提高性能和效率.
研究的目的:
- 使用ESP32微控制器设计和实施边缘服务器系统.
- 评估结合边缘和云计算的性能改进.
- 评估本地化AI处理对象识别的有效性.
主要方法:
- 开发基于ESP32的边缘服务器,具有详细的硬件和软件架构.
- 实现通信协议和边缘处理的服务器框架.
- 在边缘服务器上部署训练有素的深度学习模型用于对象识别.
- 使用分类时间和MQTT传输时间等指标进行性能评估.
主要成果:
- 与仅使用云计算处理相比,带宽使用和延迟显著减少.
- 有效地减轻云服务器的负载.
- 展示了在边缘部署AI模型用于对象识别的可行性.
结论:
- 使用ESP32的边缘计算为物联网系统提供了巨大的好处,提高了效率.
- 本地化处理显著降低了云计算的依赖性,并提高了响应时间.
- 开发的系统提供了一个可扩展的解决方案,用于在边缘集成AI和物联网.
