近期停電限電的新聞層出不窮，用電負(fù)荷高和節(jié)能減排等原因均致使了能源緊張的情況。面對(duì)這樣的挑戰(zhàn)，做出限電政策，自然就需要對(duì)能源用量做出精確的評(píng)估。這就是智能表計(jì)的優(yōu)勢(shì)之一，解放人力，實(shí)現(xiàn)遠(yuǎn)程抄表。然而智能表計(jì)的實(shí)現(xiàn)方式卻有異同，有的傾向于直接切換為物聯(lián)網(wǎng)表，有的則試圖引入AI技術(shù)。

物聯(lián)網(wǎng)“換”新表

在不少人看來(lái)，換成更智能的物聯(lián)網(wǎng)表才是打造智能抄表網(wǎng)絡(luò)的關(guān)鍵。目前越來(lái)越多的城市開(kāi)始在公共服務(wù)領(lǐng)域建設(shè)物聯(lián)網(wǎng)，比如利用NB-IoT與云服務(wù)廠商打造智能抄表業(yè)務(wù)，水務(wù)、燃?xì)狻㈦娋W(wǎng)的企業(yè)借助云+管+端的智能表來(lái)傳輸使用信息，不僅方便用戶實(shí)時(shí)查詢，也給了資源供應(yīng)企業(yè)更好的管理運(yùn)營(yíng)手段。

過(guò)去傳統(tǒng)的抄表方式需要人力手動(dòng)抄表，效率極低。在與NB-IoT網(wǎng)絡(luò)和云平臺(tái)結(jié)合后，不僅可以實(shí)現(xiàn)低功耗和海量連接，還能以大數(shù)據(jù)做好精細(xì)化運(yùn)營(yíng)，做到故障調(diào)查監(jiān)控和分區(qū)壓力調(diào)節(jié)等操作，避免出現(xiàn)用電、用水緊張的情況。

除了NB-IoT外，基于WI-SUN這樣的協(xié)議做智能表計(jì)也已經(jīng)相當(dāng)常見(jiàn)。以Silicon Labs的EFR32FG12為例，這顆無(wú)線SoC采用了ArmCortexM4的內(nèi)核，不僅支持WI-SUN、M-BUS等通用協(xié)議，也支持專(zhuān)有協(xié)議。除了必不可少的低功耗特性外，EFR32FG12的1024 kB FLASH和256 kB RAM也確保了后續(xù)的OTA表計(jì)升級(jí)支持。

對(duì)于智能抄表這樣的應(yīng)用來(lái)說(shuō)，接入的設(shè)備量是相當(dāng)大的，因此傳統(tǒng)的IPV4池不足以支持其大規(guī)模擴(kuò)張，而WI-SUN通過(guò)支持IPV6，可以提供大量的地址資源。

AI“改裝”抄表

接入物聯(lián)網(wǎng)表的方式固然部署起來(lái)相對(duì)簡(jiǎn)單，但也對(duì)設(shè)備改造提出了很高的要求，尤其是水表這樣的表計(jì)，況且當(dāng)前的物聯(lián)網(wǎng)表也并不便宜。要想將過(guò)去機(jī)械式的表改成電子式，必須要考慮到供電和無(wú)線傳輸?shù)葐?wèn)題，尤其是采用PLC技術(shù)實(shí)現(xiàn)的自動(dòng)抄表。

隨著深度學(xué)習(xí)、云計(jì)算和芯片的發(fā)展，人工智能成了半導(dǎo)體各行各業(yè)追捧的技術(shù)熱點(diǎn)，然而由于諸多AI應(yīng)用都要用到高性能芯片，所以在一些邊緣或本地化部署上，人工智能的出場(chǎng)率并不高。

如今不少?gòu)S商開(kāi)始研究如何把AI做進(jìn)低功耗的本地端，在嵌入式設(shè)備或是基于MCU等處理能力不高的設(shè)備中引入人工智能技術(shù)。通過(guò)加裝或改裝模組的方式，利用圖像傳感器攝像將圖片轉(zhuǎn)化為數(shù)字，再借助NB-IoT等無(wú)線傳輸方式發(fā)送數(shù)據(jù)，這樣的話就不需要去替換現(xiàn)有的設(shè)備。這些視覺(jué)識(shí)別與圖像識(shí)別的技術(shù)，都是部署在本地端的AI算法，將傳統(tǒng)機(jī)械表變成智能表，這種改裝的方式大幅降低了成本、提升了效率。
這種方案用到的芯片雖然算力不高，但也必須滿足簡(jiǎn)單視覺(jué)算法的的支持。以嘉楠科技的堪智K210為例，該芯片采用了了64位的雙核RISC-V CPU，算力達(dá)到1TOPS，但功耗僅有300mW。該芯片搭載了嘉楠自研的核心神經(jīng)網(wǎng)絡(luò)加速器KPU，方便在本地處理器機(jī)器視覺(jué)任務(wù)。嘉楠科技稱(chēng)這種“無(wú)創(chuàng)”改造的設(shè)計(jì)，成本僅有傳統(tǒng)智能表計(jì)的四分之一。 然而多數(shù)廠商并沒(méi)有開(kāi)發(fā)人工智能算法的能力，除了直接采用芯片廠商的識(shí)別算法方案之外，往往會(huì)直接用到其他AI廠商的方案。以百度的飛槳開(kāi)發(fā)工具PaddleX為例，PaddleX首先利用目標(biāo)檢測(cè)模型檢測(cè)出圖像中的標(biāo)記，再使用語(yǔ)義分割模型將表計(jì)的指針和刻度分割，得到表計(jì)大概的數(shù)字圖像。接著對(duì)該圖像進(jìn)行腐蝕，將環(huán)狀表盤(pán)展開(kāi)為矩形圖像，再轉(zhuǎn)換為一維數(shù)組，并對(duì)刻度均值做二值化處理，根據(jù)指針的相對(duì)位置和預(yù)知的量程來(lái)計(jì)算標(biāo)記的實(shí)際讀數(shù)。

結(jié)語(yǔ)

這兩種智能抄表方式均有各自的優(yōu)勢(shì)，更適合對(duì)不同的場(chǎng)景進(jìn)行調(diào)研后再確定方案。比如對(duì)于某些缺乏外掛環(huán)境、表計(jì)位于公共區(qū)域的情況，就更適合進(jìn)行新表的更換，比如現(xiàn)在大部分電氣表計(jì)。而某些需要低成本高效率安裝或是改裝入戶困難的情況，例如室內(nèi)的水表等，則更適合AI加裝的方案。
除了表計(jì)本身之外，水務(wù)和電網(wǎng)等供應(yīng)商往往都要與云平臺(tái)合作，做好抄表數(shù)據(jù)的管理與存儲(chǔ)，云平臺(tái)也會(huì)協(xié)力打造基于抄表數(shù)據(jù)的智能應(yīng)用，比如開(kāi)發(fā)App、支持在線繳費(fèi)和查詢等。而對(duì)于這些已經(jīng)投入大成本進(jìn)行改裝的供應(yīng)商來(lái)說(shuō)，這些數(shù)據(jù)未來(lái)是否有更多的增值空間，還待對(duì)商業(yè)模型的進(jìn)一步挖掘，但智能抄表絕對(duì)是必行的一步。