2024年2月11日发(作者：衷棠华)

结合5G与边缘AI的工业质检应用研究

摘要：结合5G与边缘AI技术具有传输带宽大、智能化识别、本地化处理时延低、安全、稳定等优点，从某种意义上解决了目前工业中质量检验、检测过程中难度大、人力成本高、检测效率低等问题。本文着重介绍了两种常用的结合5G与边缘AI技术的工业质量检验系统的体系结构，并从多个方面进行了比较，为实际应用提出了一些建议。同时，针对检测的目标和环节，归纳出两种结合5G与边缘AI技术在工业质量检验中的应用。

关键词：5G；边缘AI；工业质检；

1工业质检现状及技术简介

1.1工业质检现状

工业质量检测在汽车、3C产品、芯片、光伏等诸多工业领域，对产品的品质与速度有着很大的影响。当前，我国的工业质量检验面临着如下难点与挑战。

（1）检测更加困难：工业产品越来越复杂，越来越精细，其特点是零件体积越来越小，样式和种类繁多，形状不规则，更新换代频繁，使得质量检验和控制变得越发困难[1]。

（2）高昂的人力成本：当前，我国的质量检验仍然很大程度上依靠手工。采用人工长时间、大量的人工流水检验，对产品的品质进行判定，这种方法不仅受到人工的经验、主观等因素的影响，而且对质检人员的专业素质也有很高的要求。目前，一些公司已经引进了高精度的测试仪器，但对操作人员的专业测试还是有很大的需求。为了确保检验工作的有效性和质量，必须进行一系列的员工岗前培训。另外，高强度、重复的流水检验，会极大地影响质量检验人员的视力和体力，造成人员的大量流失。同时为了保持公司的正常运作，留住质量检验人员，必须提高员工的成本[2]。

（3）检验效率很低：质量检验的速度和稳定性受到质量检验人员的技术水平和经验的限制。质量检验人员在长期、高强度的工作中，容易出现精力分散、情绪波动等问题，从而影响检验的效果。在激烈的行业竞争中，传统的劳动密集型产品质量检验方法已不能满足不断变化的市场需求。为了提高生产效率、提高产品品质、降低人工成本、获得竞争优势，必须将智能化转变为工业质检的发展方向[3]。

1.2技术简介

1.2.1.5G技术

5G具有超频、超高带宽、速度远远快于4G的特性，同时通过优化物联网，降低延迟，满足汽车联网，智能交通，高清视频，虚拟现实的需要。5G标准的制订是一个逐步发展和完善的过程：已经完成了第一版（Rel-15）和加强标准（Rel-16）的第2版，Rel-17的未来优化标准目前正处于开发阶段，预期于2022年十一月结束。Rel-17除了进一步加强Rel-15/16技术之外，还增加了mMTC，即大规模的连接和低功率的机器类型的通信，这是5 G方案的一个加强[4]。包括多天线技术加强、高精度定位、加强覆盖、组播广播、终端节约能源、双链接加强、最小化路测等诸多增强技术。针对工业物联网的垂直行业应用和应用的加强，如 RedCap ：（低复杂度、低成本）、高可靠、低延迟的物联网通讯。终端直连通讯加强：网络切片加强、非公用网等诸多技术。以上增强技术使得物联网的应用更加完善。

1.2.2边缘计算技术

边缘计算是一种将网络、计算、存储、应用等核心能力结合到物体或数据源附近的分布式开放平台。它能够解决工业中的一些关键问题，如敏捷连接，实时业务，数据优化，应用智能，安全和隐私等诸多问题。边缘计算的硬件形式因其部署地点和应用情况而异，常用的形式有边缘类型的服务器、边缘一体化机、边缘网关等。边缘网关是面向垂直工业应用的接入设备，它的主要功能是网络接入，协议转换，数据采集和分析，能够将 IT领域的灵活和可靠的 OT领域结合起来。

提供实时，可靠，智能和泛在的终端对端的服务，包括网络连接，质量保证，管理和计划安排。

1.2.3容器技术

容器技术可以有效地把各个操作系统的资源分成几个独立的小组，这样就可以更好地平衡各个独立的群体对资源的利用。采用容器技术，将硬件资源和操作系统与主机共享，以达到动态配置资源的目的；它包括了应用程序及其相关软件包，但是它与其它容器共用一个内核。在主机操作系统和使用者空间中，该容器是独立的处理序。在虚拟化的层次上，容器技术是虚拟过程（传统的虚拟化技术是虚拟硬件资源），从而使过程与资源分离。容器技术的最大特点是重量超轻，部署速度快，便于移植和可扩展[5]。

2 结合5G及边缘AI赋能工业质检

5 G已经成为了新一代智能制造系统的核心技术。5 G带宽、低延、高可靠等特点，使得无线技术能够在高清晰度图像传输和处理、现场设备实时监控等领域得到广泛的应用，并为工业质量检验提供了良好的网络基础。智能应用不再受到有形电缆的限制，其灵活性得到了极大的改善。在“新基建”的七大领域中，人工智能将和5 G并驾齐驱。人工智能与5 G技术的融合，带来了许多新的智能应用，带来了生产方式的变革和生产力的提高。当前人工智能的实现方法有两类：云 AI和边缘 AI[6]。云AI是利用公共网将收集到的数据上传到云端进行处理，对网络的带宽有很高的要求，如果网络发生故障，那么它就不能正常工作了。边缘 AI将 AI从云端改变为接近用户的边沿，进行本地数据处理及 AI智能侦测。具备高实时性，且安全性高，即使在网路发生故障时，也能保持高可靠性。工业质量检验是一种高强度的，劳动密集型工作类型，如果出现故障，将会对生产的效率产生很大的影响，因此，实时、稳定、安全的智能检测就显得非常重要。结合5 G及边缘 AI技术为基础的工业质量检验系统，能够实现低延迟、无接触、无接触的智能检测、海量的局部数据处理，将已有的设备和工艺进行最小化，有效的提高了工作效率、减轻了回传网络的负担，保证了数据的安全性，并实现了不间断的实时检测，降低了人力成本[7]。

3基于5G+边缘AI的工业质检应用实现架构

3.1 基于云端5G及边缘AI设备的工业质检

以“云网边端”为基础，以5 G及边缘

AI为核心的智能网关见图1，承担云端运算的任务；同时，还提供了5 G+及AI技术的云管理平台，可以对终端和边缘网关进行设备访问和管理。

通过在生产现场安装5 G及边缘

AI的智能网关，将不同的传感器设备与现场的传感器设备连接起来，实时、集中地监测传感器的状态和报警；提高传感器配置及异常检修和维修的效率；实现了高效的传感器信息传输，统一存储和治理，智能分析，主动警示。

图1 结合5G及边缘AI网关的实现架构

3.1.1边缘AI设备

边缘AI网关可以提供各种类型的IoT接口，该系统具有多种有线/无线通信接口，具有无线、WIFI、RS485/RS232、 CAN2.0、 GE/FE、 USB3.0/2.0等多模式连接模式。支持第三方应用的直接部署，以 APP为基础的 IoT接口对传感器数据进行处理，实现采集、处理、存储和传输等功能；提供不同的容器技术，并支持 LXC、 Docker的容器技术，以达到商业和应用的分离。支持 AI运算，可提供 TOPS或更高的运算能力。支持视频访问和处理，并能在接收到传感器数据的同时，对图像进行访问和处理；可同时支持32路1080 P视频传输，4-8通道的视频解析，具有本地存储功能[8]。

3.1.2网络传输

5 G技术，以5 G模块为基础，实现5 G的传输，将5 G网络的数据通过5

G无线端口传送到5 G基站和边缘集成节点，同时在5 G网络中建立一个与5 G

平台进行通讯和连接的专用信道。在数据集成、服务集成和信息集成的基础上，实现了数据集成、服务集成和信息集成[9]。

3.1.3设备管理平台

面向边缘AI的智能网关的设备管理平台，可以对设备进行访问和远程管理。支持根据容器和应用级别的数据备份、远程更新边界计算网关设备。开放 REST界面给第三方设备和商业系统。通过对网关进行在线更新和远程维修，降低了设备的现场维修工作。

3.1.4应用与数据集成系统

该系统能够提供消息的发布和订购，能够实现设备与后台的各个应用程序的互联，能够支持大量的设备的低延迟访问，能够支持设备和应用程序的双向同步，以及确保数据的安全传输。平台采用 MQTT技术与智能网关进行连接；用户可以使用MQTT接口进行UI操作，与设备直接连接；还可以进行OPENAPI和相关的设备调用来进行连接。

3.1.5自管理平台

系统平台具有终端连接状态、终端基本信息、终端访问信息等功能。采用实际业务流程拨测，仿真用户承包的测试能力，观察终端SLA的状况；对装备管理平台进行统一的管理，统一显示装备的基本信息；对设备的运行/报警进行在线监测，定期对SLA质量进行定期评价，帮助维护人员迅速主动的发现各种设备故障，并及时报告故障（可由系统管理平台提供的数据）；对服务/分段/线路/网络/终端的SLA品质进行在线监测，并对网络中断类型/速率质量差/延迟质量差/终端失败/终端故障进行快速定义和通知给运营商；仿真拨测支持服务上线之前，建立复杂的框架架构和业务数据流程，完成功能测试、压力测试等验收功能。

3.2基于5G及MEC的实现架构

在5G及MEC的基础上，将AI技术的应用深入到客户现场/边缘接入机房，构建5G及MEC专用网络，将摄像头和传感器收集的原始数据分流到客户现场/边缘机房部署的MEC边缘云上，在MEC上部署AI服务器、管理平台等，对原始数

据进行边缘处理、AI分析、统计显示，并接入工厂局域网，确保数据不出局域网，保证数据的安全性。在图2中显示了实现体系结构。系统的总体结构包括数据采集、网络传输、边缘处理和管理平台。

图2 5G及MEC实现体系结构

3.2.1数据采集

将5 G模块或5 G数据传送终端整合到照相机和感应器上，将原始自然光、热成像、声音等信息以5 G无线方式传送。同时，还可以将数据采集模块中的各种装置整合为一体，例如5G移动化的数据采集机器人。

3.2.2网络传输

系统框架网络传输功能的实现采用5G及MEC专用网络进行数据的传送。原始数据经5G无线空口传输到5G基站，5G基站将这些服务数据（以下统称为专用网络数据）转移到MEC，以完成对业务流量的局部卸载。按其分流机理，可将其分成两类。

（1）将下沉UPF/GWU用户面网关部署到客户现场/边缘接入室。在5

GSA/NSA中，UPF/GW-U的用户界面网关是根据核心网络的控制界面和用户界面的分离而进行的。在数据传送前，5G基站将控制面信令报给核心网络，由核心网控制面网关SMF/GW-C根据专用网终端所携带的APN等信息，为专网数据选择一个新的 UPF/GW-U，并建立一个默认的载体。当接收到由专用网络终端发出的数据传送请求时，该基站通过相关载体向下沉的专用网络UPF/GW-U发送专用网络数

据；在没有专用网络的情况下，5G基站会将其传输到公共网络的使用者面网关，以控制数据的传输，使专用网络的数据分流。

(2)将DP分流模块配置于 MEC，连接于5 G基站和核心网络。DP分流模块通常是以两种方式串联在5 G基站和核心网络的S1链路上，对S1业务进行分组分析和分流，把专网的数据转移到MEC，把非专用网络的数据传输到核心网。

3.2.3边缘处理及管理平台

在 MEC中部署 AI服务器、媒体服务器、编解码服务器和业务管理平台，对分流到 MEC的专用网络进行 AI边缘分析与处理，并将分析的结果和测试数据传送到业务管理平台进行存储和显示。同时，将MEP边缘管理平台、VAS增值业务等相关模块应用于MEC管理。

通过对5 G及边缘AI装置的构建和5G及 MEC的应用体系的比较，得出了5

G及边缘AI在AI分析的时延、稳定性、成本等方面的优越性，特别适合于实时性、稳定性要求严格、成本受限的应用；后者具有智能模型承载和扩展、安全性等优点，特别适合大规模、复杂的工业质量检验。

45G及边缘AI在工业质检中的应用

5G技术和边缘人工智能技术已经在质量检测领域中逐渐得到了广泛的应用，在不同的环境中，基于不同的检测业务类型、检测时延、AI检测功能复杂度、稳定性和安全性要求、项目成本等多个方面来进行灵活的选择。5G及边缘AI技术在工业质量检验中的应用，可以按照检测目标和连接方式将其划分为下列类型。

4.1零部件的AI智能检测

工业生产中的零件种类繁多、工艺复杂、体积形状多样、检测标准不一，检测难度大、复杂程度高，极易造成漏检、错检。在5 G和边缘 AI技术的基础上，利用多角度、高清晰度的图像、视频等原始资料，利用边缘的AI智能检测算法，实现零部件的多标准、高精度的智能检测，从而提高了检测效率，降低了人工成本。

实例一：手机玻璃盖板瑕疵智能检测。玻璃盖板是手机关键零部件，直接影响手机操作体验。通过多角度组合光源和高分辨率摄像头进行数据采集，可以实现点状缺陷（黑点、白点、凹凸点、点状划痕等）、线状缺陷（划痕、刮伤、脏污等）、气泡、边缘崩边、透光等各类微小瑕疵的智能检测。

实例二：智能检测汽车曲柄连杆的种类。引擎的曲柄连杆在外型上具有高度的相似性，而在不同的引擎中，甚至是同一连杆的正面和反面，在某些特征上常常会有显著的差别。通过在各种汽车发动机的曲柄连杆自动生产线上应用摄像头和传感器，通过在边缘AI的各种设备中嵌入AI检测算法，识别出各种型号的产品，从而提高了生产线的效率。

4.2组装及成品的AI智能检测

在工业生产中，所有的零件都会按照特定的规律和结构进行装配。对产品进行全面的品质检验与排除，也是行业品质检验中的一个重要环节。利用5 G技术和边缘AI智能技术，可以采集产品的运行数据，进行无线大带宽的回传，并进行AI的实时分析，为产品的总体性能和故障诊断提供了有价值的数据参考。

实例一：智能监测空调噪音。噪音是影响空调性能的主要因素之一。在流水线上，由于设备噪音太大，所以可以在流水线上增加一个声音采集装置，通过声音采集装置预先对工厂的噪音进行采集，从而建立噪音库；在此基础上，采用了基于边缘的AI检测算法进行设备噪声的识别，将采集到的设备噪声作为背景音剔除，并对去除背景音的数据进行分析，从而达到对空调系统的智能监测。

总结

结合5G及边缘AI网关，功能强大，适应未来的多样化需要。5G低延迟无线传输，可在工厂内不受复杂环境影响的情况下进行布线，极大地提高了部署、异常检修和维修的效率。应用和数据整合系统，实现了传感器的统一访问，OT和IT的有效互联，为工业智能化转型提供了有力的支持，方便了统一的管理和维护，增强了应用能力，智能分析和持续创新。

参考文献

[1] 卢丽文, 黄锦川, 王运付. 5G+边缘AI在工业质检中的应用研究[J].

邮电设计技术, 2021, 000(007):84-88.

[2] 胡国良, 黄美初. "5G+AI"视域下智慧学习空间的构建研究——基于开放大学的实践探索[J]. 远程教育杂志, 2020, 38(3):10.

[3] 岳梅, 张叶江. 5G技术在医学课程教学改革中的应用场景研究[J]. 中国继续医学教育, 2019, 11(36):3.

[4] 马磊, 葛凌峰. 一种基于5G+AI工业视觉的边缘应用管理方法及系统:.

[5] 孙坚, 周凯强. 基于5G和AI云边协同的工业智能质检系统:,

CN111431986A[P]. 2020.

[6] 王胡成, 陈山枝, 艾明. 人工智能在5G网络的应用和标准化进展[C]//

2018中国信息通信大会论文摘要集. 2018.

[7] 贺建国. 中国一拖"5G+AI工业视觉质质检应用"项目完成一期建设[J].

农机质量与监督, 2021(10):1.

[8] 杨坤, 汪涛, 孔胜淼. 5G+边缘AI赋能工业智能化改造[J]. 数字通信世界, 2021(11):3.

[9] 夏木. 5G+AI工业视觉质检项目在一拖运行[J]. 农机市场, 2021(7):1.

2024年2月11日发(作者：衷棠华)

结合5G与边缘AI的工业质检应用研究

摘要：结合5G与边缘AI技术具有传输带宽大、智能化识别、本地化处理时延低、安全、稳定等优点，从某种意义上解决了目前工业中质量检验、检测过程中难度大、人力成本高、检测效率低等问题。本文着重介绍了两种常用的结合5G与边缘AI技术的工业质量检验系统的体系结构，并从多个方面进行了比较，为实际应用提出了一些建议。同时，针对检测的目标和环节，归纳出两种结合5G与边缘AI技术在工业质量检验中的应用。

关键词：5G；边缘AI；工业质检；

1工业质检现状及技术简介

1.1工业质检现状

工业质量检测在汽车、3C产品、芯片、光伏等诸多工业领域，对产品的品质与速度有着很大的影响。当前，我国的工业质量检验面临着如下难点与挑战。

（1）检测更加困难：工业产品越来越复杂，越来越精细，其特点是零件体积越来越小，样式和种类繁多，形状不规则，更新换代频繁，使得质量检验和控制变得越发困难[1]。

（2）高昂的人力成本：当前，我国的质量检验仍然很大程度上依靠手工。采用人工长时间、大量的人工流水检验，对产品的品质进行判定，这种方法不仅受到人工的经验、主观等因素的影响，而且对质检人员的专业素质也有很高的要求。目前，一些公司已经引进了高精度的测试仪器，但对操作人员的专业测试还是有很大的需求。为了确保检验工作的有效性和质量，必须进行一系列的员工岗前培训。另外，高强度、重复的流水检验，会极大地影响质量检验人员的视力和体力，造成人员的大量流失。同时为了保持公司的正常运作，留住质量检验人员，必须提高员工的成本[2]。

（3）检验效率很低：质量检验的速度和稳定性受到质量检验人员的技术水平和经验的限制。质量检验人员在长期、高强度的工作中，容易出现精力分散、情绪波动等问题，从而影响检验的效果。在激烈的行业竞争中，传统的劳动密集型产品质量检验方法已不能满足不断变化的市场需求。为了提高生产效率、提高产品品质、降低人工成本、获得竞争优势，必须将智能化转变为工业质检的发展方向[3]。

1.2技术简介

1.2.1.5G技术

5G具有超频、超高带宽、速度远远快于4G的特性，同时通过优化物联网，降低延迟，满足汽车联网，智能交通，高清视频，虚拟现实的需要。5G标准的制订是一个逐步发展和完善的过程：已经完成了第一版（Rel-15）和加强标准（Rel-16）的第2版，Rel-17的未来优化标准目前正处于开发阶段，预期于2022年十一月结束。Rel-17除了进一步加强Rel-15/16技术之外，还增加了mMTC，即大规模的连接和低功率的机器类型的通信，这是5 G方案的一个加强[4]。包括多天线技术加强、高精度定位、加强覆盖、组播广播、终端节约能源、双链接加强、最小化路测等诸多增强技术。针对工业物联网的垂直行业应用和应用的加强，如 RedCap ：（低复杂度、低成本）、高可靠、低延迟的物联网通讯。终端直连通讯加强：网络切片加强、非公用网等诸多技术。以上增强技术使得物联网的应用更加完善。

1.2.2边缘计算技术

边缘计算是一种将网络、计算、存储、应用等核心能力结合到物体或数据源附近的分布式开放平台。它能够解决工业中的一些关键问题，如敏捷连接，实时业务，数据优化，应用智能，安全和隐私等诸多问题。边缘计算的硬件形式因其部署地点和应用情况而异，常用的形式有边缘类型的服务器、边缘一体化机、边缘网关等。边缘网关是面向垂直工业应用的接入设备，它的主要功能是网络接入，协议转换，数据采集和分析，能够将 IT领域的灵活和可靠的 OT领域结合起来。

提供实时，可靠，智能和泛在的终端对端的服务，包括网络连接，质量保证，管理和计划安排。

1.2.3容器技术

容器技术可以有效地把各个操作系统的资源分成几个独立的小组，这样就可以更好地平衡各个独立的群体对资源的利用。采用容器技术，将硬件资源和操作系统与主机共享，以达到动态配置资源的目的；它包括了应用程序及其相关软件包，但是它与其它容器共用一个内核。在主机操作系统和使用者空间中，该容器是独立的处理序。在虚拟化的层次上，容器技术是虚拟过程（传统的虚拟化技术是虚拟硬件资源），从而使过程与资源分离。容器技术的最大特点是重量超轻，部署速度快，便于移植和可扩展[5]。

2 结合5G及边缘AI赋能工业质检

5 G已经成为了新一代智能制造系统的核心技术。5 G带宽、低延、高可靠等特点，使得无线技术能够在高清晰度图像传输和处理、现场设备实时监控等领域得到广泛的应用，并为工业质量检验提供了良好的网络基础。智能应用不再受到有形电缆的限制，其灵活性得到了极大的改善。在“新基建”的七大领域中，人工智能将和5 G并驾齐驱。人工智能与5 G技术的融合，带来了许多新的智能应用，带来了生产方式的变革和生产力的提高。当前人工智能的实现方法有两类：云 AI和边缘 AI[6]。云AI是利用公共网将收集到的数据上传到云端进行处理，对网络的带宽有很高的要求，如果网络发生故障，那么它就不能正常工作了。边缘 AI将 AI从云端改变为接近用户的边沿，进行本地数据处理及 AI智能侦测。具备高实时性，且安全性高，即使在网路发生故障时，也能保持高可靠性。工业质量检验是一种高强度的，劳动密集型工作类型，如果出现故障，将会对生产的效率产生很大的影响，因此，实时、稳定、安全的智能检测就显得非常重要。结合5 G及边缘 AI技术为基础的工业质量检验系统，能够实现低延迟、无接触、无接触的智能检测、海量的局部数据处理，将已有的设备和工艺进行最小化，有效的提高了工作效率、减轻了回传网络的负担，保证了数据的安全性，并实现了不间断的实时检测，降低了人力成本[7]。

3基于5G+边缘AI的工业质检应用实现架构

3.1 基于云端5G及边缘AI设备的工业质检

以“云网边端”为基础，以5 G及边缘

AI为核心的智能网关见图1，承担云端运算的任务；同时，还提供了5 G+及AI技术的云管理平台，可以对终端和边缘网关进行设备访问和管理。

通过在生产现场安装5 G及边缘

AI的智能网关，将不同的传感器设备与现场的传感器设备连接起来，实时、集中地监测传感器的状态和报警；提高传感器配置及异常检修和维修的效率；实现了高效的传感器信息传输，统一存储和治理，智能分析，主动警示。

图1 结合5G及边缘AI网关的实现架构

3.1.1边缘AI设备

边缘AI网关可以提供各种类型的IoT接口，该系统具有多种有线/无线通信接口，具有无线、WIFI、RS485/RS232、 CAN2.0、 GE/FE、 USB3.0/2.0等多模式连接模式。支持第三方应用的直接部署，以 APP为基础的 IoT接口对传感器数据进行处理，实现采集、处理、存储和传输等功能；提供不同的容器技术，并支持 LXC、 Docker的容器技术，以达到商业和应用的分离。支持 AI运算，可提供 TOPS或更高的运算能力。支持视频访问和处理，并能在接收到传感器数据的同时，对图像进行访问和处理；可同时支持32路1080 P视频传输，4-8通道的视频解析，具有本地存储功能[8]。

3.1.2网络传输

5 G技术，以5 G模块为基础，实现5 G的传输，将5 G网络的数据通过5

G无线端口传送到5 G基站和边缘集成节点，同时在5 G网络中建立一个与5 G

平台进行通讯和连接的专用信道。在数据集成、服务集成和信息集成的基础上，实现了数据集成、服务集成和信息集成[9]。

3.1.3设备管理平台

面向边缘AI的智能网关的设备管理平台，可以对设备进行访问和远程管理。支持根据容器和应用级别的数据备份、远程更新边界计算网关设备。开放 REST界面给第三方设备和商业系统。通过对网关进行在线更新和远程维修，降低了设备的现场维修工作。

3.1.4应用与数据集成系统

该系统能够提供消息的发布和订购，能够实现设备与后台的各个应用程序的互联，能够支持大量的设备的低延迟访问，能够支持设备和应用程序的双向同步，以及确保数据的安全传输。平台采用 MQTT技术与智能网关进行连接；用户可以使用MQTT接口进行UI操作，与设备直接连接；还可以进行OPENAPI和相关的设备调用来进行连接。

3.1.5自管理平台

系统平台具有终端连接状态、终端基本信息、终端访问信息等功能。采用实际业务流程拨测，仿真用户承包的测试能力，观察终端SLA的状况；对装备管理平台进行统一的管理，统一显示装备的基本信息；对设备的运行/报警进行在线监测，定期对SLA质量进行定期评价，帮助维护人员迅速主动的发现各种设备故障，并及时报告故障（可由系统管理平台提供的数据）；对服务/分段/线路/网络/终端的SLA品质进行在线监测，并对网络中断类型/速率质量差/延迟质量差/终端失败/终端故障进行快速定义和通知给运营商；仿真拨测支持服务上线之前，建立复杂的框架架构和业务数据流程，完成功能测试、压力测试等验收功能。

3.2基于5G及MEC的实现架构

在5G及MEC的基础上，将AI技术的应用深入到客户现场/边缘接入机房，构建5G及MEC专用网络，将摄像头和传感器收集的原始数据分流到客户现场/边缘机房部署的MEC边缘云上，在MEC上部署AI服务器、管理平台等，对原始数

据进行边缘处理、AI分析、统计显示，并接入工厂局域网，确保数据不出局域网，保证数据的安全性。在图2中显示了实现体系结构。系统的总体结构包括数据采集、网络传输、边缘处理和管理平台。

图2 5G及MEC实现体系结构

3.2.1数据采集

将5 G模块或5 G数据传送终端整合到照相机和感应器上，将原始自然光、热成像、声音等信息以5 G无线方式传送。同时，还可以将数据采集模块中的各种装置整合为一体，例如5G移动化的数据采集机器人。

3.2.2网络传输

系统框架网络传输功能的实现采用5G及MEC专用网络进行数据的传送。原始数据经5G无线空口传输到5G基站，5G基站将这些服务数据（以下统称为专用网络数据）转移到MEC，以完成对业务流量的局部卸载。按其分流机理，可将其分成两类。

（1）将下沉UPF/GWU用户面网关部署到客户现场/边缘接入室。在5

GSA/NSA中，UPF/GW-U的用户界面网关是根据核心网络的控制界面和用户界面的分离而进行的。在数据传送前，5G基站将控制面信令报给核心网络，由核心网控制面网关SMF/GW-C根据专用网终端所携带的APN等信息，为专网数据选择一个新的 UPF/GW-U，并建立一个默认的载体。当接收到由专用网络终端发出的数据传送请求时，该基站通过相关载体向下沉的专用网络UPF/GW-U发送专用网络数

据；在没有专用网络的情况下，5G基站会将其传输到公共网络的使用者面网关，以控制数据的传输，使专用网络的数据分流。

(2)将DP分流模块配置于 MEC，连接于5 G基站和核心网络。DP分流模块通常是以两种方式串联在5 G基站和核心网络的S1链路上，对S1业务进行分组分析和分流，把专网的数据转移到MEC，把非专用网络的数据传输到核心网。

3.2.3边缘处理及管理平台

在 MEC中部署 AI服务器、媒体服务器、编解码服务器和业务管理平台，对分流到 MEC的专用网络进行 AI边缘分析与处理，并将分析的结果和测试数据传送到业务管理平台进行存储和显示。同时，将MEP边缘管理平台、VAS增值业务等相关模块应用于MEC管理。

通过对5 G及边缘AI装置的构建和5G及 MEC的应用体系的比较，得出了5

G及边缘AI在AI分析的时延、稳定性、成本等方面的优越性，特别适合于实时性、稳定性要求严格、成本受限的应用；后者具有智能模型承载和扩展、安全性等优点，特别适合大规模、复杂的工业质量检验。

45G及边缘AI在工业质检中的应用

5G技术和边缘人工智能技术已经在质量检测领域中逐渐得到了广泛的应用，在不同的环境中，基于不同的检测业务类型、检测时延、AI检测功能复杂度、稳定性和安全性要求、项目成本等多个方面来进行灵活的选择。5G及边缘AI技术在工业质量检验中的应用，可以按照检测目标和连接方式将其划分为下列类型。

4.1零部件的AI智能检测

工业生产中的零件种类繁多、工艺复杂、体积形状多样、检测标准不一，检测难度大、复杂程度高，极易造成漏检、错检。在5 G和边缘 AI技术的基础上，利用多角度、高清晰度的图像、视频等原始资料，利用边缘的AI智能检测算法，实现零部件的多标准、高精度的智能检测，从而提高了检测效率，降低了人工成本。

实例一：手机玻璃盖板瑕疵智能检测。玻璃盖板是手机关键零部件，直接影响手机操作体验。通过多角度组合光源和高分辨率摄像头进行数据采集，可以实现点状缺陷（黑点、白点、凹凸点、点状划痕等）、线状缺陷（划痕、刮伤、脏污等）、气泡、边缘崩边、透光等各类微小瑕疵的智能检测。

实例二：智能检测汽车曲柄连杆的种类。引擎的曲柄连杆在外型上具有高度的相似性，而在不同的引擎中，甚至是同一连杆的正面和反面，在某些特征上常常会有显著的差别。通过在各种汽车发动机的曲柄连杆自动生产线上应用摄像头和传感器，通过在边缘AI的各种设备中嵌入AI检测算法，识别出各种型号的产品，从而提高了生产线的效率。

4.2组装及成品的AI智能检测

在工业生产中，所有的零件都会按照特定的规律和结构进行装配。对产品进行全面的品质检验与排除，也是行业品质检验中的一个重要环节。利用5 G技术和边缘AI智能技术，可以采集产品的运行数据，进行无线大带宽的回传，并进行AI的实时分析，为产品的总体性能和故障诊断提供了有价值的数据参考。

实例一：智能监测空调噪音。噪音是影响空调性能的主要因素之一。在流水线上，由于设备噪音太大，所以可以在流水线上增加一个声音采集装置，通过声音采集装置预先对工厂的噪音进行采集，从而建立噪音库；在此基础上，采用了基于边缘的AI检测算法进行设备噪声的识别，将采集到的设备噪声作为背景音剔除，并对去除背景音的数据进行分析，从而达到对空调系统的智能监测。

总结

结合5G及边缘AI网关，功能强大，适应未来的多样化需要。5G低延迟无线传输，可在工厂内不受复杂环境影响的情况下进行布线，极大地提高了部署、异常检修和维修的效率。应用和数据整合系统，实现了传感器的统一访问，OT和IT的有效互联，为工业智能化转型提供了有力的支持，方便了统一的管理和维护，增强了应用能力，智能分析和持续创新。

参考文献

[1] 卢丽文, 黄锦川, 王运付. 5G+边缘AI在工业质检中的应用研究[J].

邮电设计技术, 2021, 000(007):84-88.

[2] 胡国良, 黄美初. "5G+AI"视域下智慧学习空间的构建研究——基于开放大学的实践探索[J]. 远程教育杂志, 2020, 38(3):10.

[3] 岳梅, 张叶江. 5G技术在医学课程教学改革中的应用场景研究[J]. 中国继续医学教育, 2019, 11(36):3.

[4] 马磊, 葛凌峰. 一种基于5G+AI工业视觉的边缘应用管理方法及系统:.

[5] 孙坚, 周凯强. 基于5G和AI云边协同的工业智能质检系统:,

CN111431986A[P]. 2020.

[6] 王胡成, 陈山枝, 艾明. 人工智能在5G网络的应用和标准化进展[C]//

2018中国信息通信大会论文摘要集. 2018.

[7] 贺建国. 中国一拖"5G+AI工业视觉质质检应用"项目完成一期建设[J].

农机质量与监督, 2021(10):1.

[8] 杨坤, 汪涛, 孔胜淼. 5G+边缘AI赋能工业智能化改造[J]. 数字通信世界, 2021(11):3.

[9] 夏木. 5G+AI工业视觉质检项目在一拖运行[J]. 农机市场, 2021(7):1.