在當今數(shù)字化快速發(fā)展的背景下，遠程控制技術使得企業(yè)能夠跨地域管理和控制設備，優(yōu)化資源配置，提高操作效率，并在一定程度上降低了運營成本。尤其是近幾年來，遠程工作和遠程技術支持的需求顯著增加，遠程控制技術的重要性更是日益凸顯。

然而，隨著應用場景的擴展，遠程控制技術也面臨著一系列挑戰(zhàn)，如安全性問題、數(shù)據(jù)傳輸?shù)姆€(wěn)定性和實時性、以及跨平臺兼容性等。在安全性方面，如何確保遠程傳輸過程中數(shù)據(jù)不被非法截取或篡改是一大挑戰(zhàn)。在數(shù)據(jù)傳輸效率方面，如何實現(xiàn)低延遲和高可靠性的數(shù)據(jù)傳輸也是技術發(fā)展的關鍵。此外，隨著終端設備種類的增多，如何保持軟件在不同操作系統(tǒng)和硬件平臺上都能穩(wěn)定運行，同樣考驗著遠程控制技術的適應性和靈活性。

貝銳向日葵與英特爾的合作，正是在這樣的背景下展開的。通過利用英特爾的開源AI工具套件OpenVINO?，貝銳向日葵在遠程控制領域?qū)崿F(xiàn)了圖像的實時識別和深度分析，顯著提升了遠程操作的精確度和響應速度，讓遠程過程可以智能回溯，提升工作效率、解放生產(chǎn)力，為用戶提供了更加智能化和高效化的服務體驗。

OpenVINO?是英特爾推出的針對深度學習模型進行優(yōu)化、推理加速以及快速部署的開源工具套件。利用OpenVINO?工具套件，貝銳向日葵在其遠程控制系統(tǒng)中實現(xiàn)了

基于深度學習的遠程圖像實時識別優(yōu)化與推理加速。OpenVINO?提供了一系列的模型優(yōu)化工具，可以有效減小遠程圖像識別與分析中使用到的深度學習模型的尺寸，并加快推理速度，從而更有效地實現(xiàn)遠控圖像的識別和實時分析，自動檢測關鍵遠程操作。遠程工作結束后，自動生成每次遠控工作的內(nèi)容回溯報告，從而有效優(yōu)化遠控管理。

模型跨平臺的快速部署，以及推理負載的無縫切換。通過OpenVINO?具有的“一次編寫，任意部署”的特點，多個深度學習模型可以很方便地部署在不同硬件設備上，并可以在不同的設備上快速地進行推理負載的切換。貝銳向日葵的遠程圖像識別中的目標檢測模型可以運行在英特爾酷睿Ultra平臺中的神經(jīng)處理單元（NPU），這不僅減輕了主CPU的負擔，還降低了整體系統(tǒng)的功耗。光學字符識別（OCR）模型可以運行在英特爾酷睿Ultra處理器的集成顯卡CPU上，提供高速實時的字符識別能力。

更快速更省力的軟件開發(fā)。目前，OpenVINO?已經(jīng)同時支持英特爾?架構以及ARM架構的CPU作為運行深度學習模型推理的硬件，同時，也支持英特爾的集成顯卡、獨立顯卡、以及NPU、FPGA上的模型部署。由于這種跨平臺多架構硬件設備的支持，貝銳向日葵也可以利用OpenVINO?縮短遠程操控軟件在跨平臺上的開發(fā)時間，同時大大減少了開發(fā)的工作量。

貝銳向日葵攜手OpenVINO?工具套件以及英特爾新一代酷睿Ultra處理器，這種軟硬件協(xié)同的方法將遠程連接進一步專業(yè)化，為更多企業(yè)級用戶帶來更加便捷、高效、智能的遠程控制解決方案。

基于OpenVINO?的遠程圖像識別與

分析的優(yōu)化與推理加速

貝銳向日葵的遠程控制系統(tǒng)中，圖像識別功能是提高遠程操作精確性和效率的關鍵技術，其遠程控制中使用OpenVINO?加速推理的流程如下圖所示，通過一系列的系統(tǒng)化步驟展開。

通過利用英特爾的OpenVINO?工具套件，貝銳向日葵能夠顯著優(yōu)化其遠程圖像識別中的目標檢測和光學字符識別（OCR）模型。

當Sunlogin客戶端（控制端）發(fā)起一個遠程控制請求時，首先會在成功驗證后與Sunlogin遠端（被控制端）建立連接。連接建立后，Sunlogin客戶端會由OpenVINO?提供的設備查詢功能，查詢OpenVINO?以獲取可用設備列表，選擇最佳設備。然后初始化OpenVINO?模塊，并加載Sunlogin預先訓練好的的深度學習模型，進行模型編譯。OpenVINO?專為加速深度學習模型的推理和部署而設計，因此，在模型加載和編譯的過程中，可以利用OpenVINO?提供的模型優(yōu)化工具進行模型轉換，從而可顯著減小模型大小，同時在之后的推理中提升推理速度。

當來自被控端的視頻流被接收時，它會被解碼并轉換為JPG圖像。這些圖像隨后被預處理以適應推理任務。預處理后的圖像被發(fā)送到OpenVINO?模塊進行加速推理。在這里，目標檢測模型的推理加速可使該模型能夠更快地識別遠程視頻流中的關鍵對象，而OCR模型則能更迅速準確地轉換圖像中的文字信息。這樣的技術進步不僅提高了遠程操作的響應速度，也優(yōu)化了數(shù)據(jù)處理過程，從而增強了整體的系統(tǒng)性能和用戶體驗。因此，這一步可以高效地執(zhí)行推理任務所需的計算。

OpenVINO?的另一個重要特點是其支持跨平臺的模型部署能力，無需重寫大量代碼，可以實現(xiàn)深度學習模型的無縫遷移，特別是針對新一代酷睿Ultra處理器中的NPU（神經(jīng)處理單元）的支持。在這里，貝銳向日葵可以將輕松將這些優(yōu)化過的深度學習模型部署到不同的硬件上。特別是，目標檢測模型可以部署在NPU上運行，這樣做可以利用NPU的高效能低功耗特性，實現(xiàn)更高效的實時推理，同時大大降低了系統(tǒng)的總體能耗。同時，OCR模型則部署在CPU上，利用其高性能的特點來處理大量的圖像數(shù)據(jù)。同時，酷睿Ultra處理器中攜帶的集成顯卡iGPU其強大的圖形渲染能力，還可以為遠程控制操作提供更加高清的圖像畫質(zhì)，方便IT人員進行更為精準的遠程操控。這種硬件的優(yōu)化部署不僅提高了遠程控制系統(tǒng)的性能，也使得系統(tǒng)能夠在保持高效率的同時，降低能耗和成本，更好地適應不同的應用場景和需求。

推理完成后，OpenVINO?提供了一組目標檢測及OCR字符識別后的結果，然后Sunlogin客戶端使用OpenCV的dnn模塊對結果集進行后處理，以提取最優(yōu)結果。以上整個過程展示了如何將強大的AI工具如OpenVINO?工具套件集成到現(xiàn)有的遠程控制軟件中，通過使用優(yōu)化的模型進行更快、更高效的推理，從而改善遠程操作的整體用戶體驗。

異構架構支持，開發(fā)省時省力

OpenVINO支持包括英特爾X86和ARM在內(nèi)的多種CPU架構，這為開發(fā)人員提供了極大的靈活性和便利。異構架構的支持意味著開發(fā)者可以編寫一次代碼，然后將其部署到多種硬件平臺上，無論是在個人電腦、服務器還是移動設備上。這種能力不僅簡化了開發(fā)流程，也使得貝銳向日葵可以輕松適應各種硬件環(huán)境，保證軟件的廣泛兼容性和高效性。此外，這種支持也使得貝銳向日葵能夠更好地利用不同設備的特定硬件加速功能，進一步提高其產(chǎn)品的性能和效率。

通過引入AI技術，貝銳向日葵的遠程控制解決方案能夠在多個行業(yè)中找到應用，如信息科技、智能制造和醫(yī)療等領域。AI的加入使得遠程控制更加精準，能夠?qū)崟r分析和處理大量數(shù)據(jù)，提供更加詳細和準確的控制反饋，極大地提升了操作的便捷性和安全性。例如，在智能制造行業(yè)中，通過遠程控制技術，操作員可以實時監(jiān)控和調(diào)整生產(chǎn)線的運行狀態(tài)，及時發(fā)現(xiàn)并解決問題，大幅提升生產(chǎn)效率和產(chǎn)品質(zhì)量。

貝銳向日葵與包括OpenVINO?工具套件、酷睿Ultra處理器在內(nèi)的英特爾的軟硬件合作不僅限于當前的成果，雙方將繼續(xù)深化合作，探索更多AI應用的可能性，以推動遠程控制技術的持續(xù)進步和創(chuàng)新。