id="content_views">

第一章：为什么需要边缘智能？

1.1

云计算的局限

问题	说明

• 高延迟 |

  云端往返

  >500ms，无法满足实时控制（如机器人避障）

• 带宽瓶颈 |

  1000

  上行带宽

• 单点故障 |

  网络中断

  全系统瘫痪

• 隐私风险 |

  敏感数据（如人脸）上传云端

1.2

边缘计算优势

• 低延迟：本地处理

  <50ms

• 带宽节省：仅上传摘要/告警（压缩率

  >90%）

• 高可用：断网仍可执行预设规则
• 合规性：敏感数据不出厂

典型架构：
设备

边缘网关

云（分层智能）

---

第二章：边缘网关架构设计

2.1

软件栈选型（轻量化）

功能	技术	说明

• Web

  框架 |

  内存占用低，启动快

• 消息总线 |

  ZeroMQ（inproc

  无代理，低开销

• 本地存储 |

  SQLite（WAL

  单文件，ACID，支持并发读

• AI

  推理 |

  跨框架模型部署

• 前端 |

  Vue

  500KB

为何不用

在低端设备上内存开销更高，Flask

隔离性：任一子进程崩溃，主进程可重启它。

---

第三章：协议转换

接入异构设备

3.1

支持协议

协议	适用设备	特点

• MQTT |

  IoT

  轻量、发布/订阅

• CoAP |

  资源受限传感器

  UDP、RESTful

• Modbus

  RTU |

  串口、主从架构

3.2

CoAP

SensorResource(resource.Resource):def

__init__(self):super().__init__()self.value

b"0"async

Message(payload=self.value)async

def

resource.Site()root.add_resource(['sensor',

'temp'],

Context.create_server_context(root,

bind=('::',

asyncio.get_event_loop().create_future()

run

ModbusSerialClient(method='rtu',

port='/dev/ttyUSB0',

client.read_holding_registers(address=0,

count=10,

统一数据模型：所有协议数据转为

JSON

!important">{"device_id":

{"vibration":

模型准备

• 训练模型（PyTorch/TensorFlow）

  导出为

  ONNX

• 优化：使用 onnx-simplifier 减小体积

model_optimized.onnx

4.2

ort.InferenceSession(model_path,

providers=['CPUExecutionProvider'])self.input_name

self.session.get_inputs()[0].nameself.output_name

self.session.get_outputs()[0].namedef

predict(self,

self.session.run([self.output_name],

{self.input_name:

EdgeInference('/models/vibration_anomaly.onnx')

4.3

rules/predictive_maintenance.py

def

get_last_10_vibrations(data['device_id'])features

推理anomaly_score

vibration_model.predict(features)[0][0]if

anomaly_score

仅上传告警，不上传原始数据cloud_uploader.enqueue({"alert":

float(anomaly_score)})

效果：

• 原始数据（10KB/s/设备）

  <100ms

---

第五章：断网自治

本地规则引擎

5.1

"温度过高开空调"condition:sensor.temperature:

"set_mode"target:

datetime.now().strftime("%H:%M")for

rule

self._check_condition(rule['condition'],

sensor_data,

current_time):self._execute_action(rule['action'])def

cond:

key.startswith('sensor.'):metric

key.split('.')[1]if

发送控制命令zmq_control.send_json(action)

断网时：规则引擎继续运行，控制本地设备。

---

第六章：数据同步

断网续传

6.1

db_path="/data/edge_queue.db"):self.conn

check_same_thread=False)self.conn.execute("CREATE

TABLE

self.lock:self.conn.execute("INSERT

INTO

(json.dumps(payload),))self.conn.commit()def

dequeue_batch(self,

self.conn.cursor()cur.execute("SELECT

id,

items]self.conn.execute(f"DELETE

FROM

batch:try:requests.post(CLOUD_ENDPOINT,

json=batch,

batch:edge_queue.enqueue(item)time.sleep(5)

秒尝试同步

可靠性：SQLite

WAL

模式确保断电不丢数据。

---

第七章：前端边缘管理（Vue）

7.1

边缘节点状态面板

!important">

fetch(`/api/edge/${props.node.id}/deploy`,

{method:

@app.post('/api/edge//deploy')

def

file.filename.endswith('.py'):#

保存并

规则模块file.save(f"/rules/custom_{secure_filename(file.filename)}")importlib.reload(custom_rules)return

jsonify({"status":

file.filename.endswith('.onnx'):#

替换模型file.save("/models/custom.onnx")global

EdgeInference("/models/custom.onnx")return

jsonify({"status":

"success"})

运维价值：无需物理接触设备，远程更新

模型或业务逻辑。

第八章：性能与资源优化

8.1

多进程禁用：app.run(threaded=True,

processes=1)

ZeroMQ

高水位：限制内存队列长度

SQLite

启动加速

• 懒加载模型：首次推理时才加载

  ONNX

• 预编译字节码：python

  compileall

  /app

实测（树莓派

4B）：

• 内存占用：85MB
• 启动时间：2.3s
• CoAP

  响应延迟：<10ms

---

第九章：安全设计

9.1

双向认证：边缘

云

固件签名：防止恶意代码部署

最小权限：Flask

运行于非

数据隐私

• 本地脱敏：人脸/车牌在边缘模糊后再上传
• 加密存储：SQLite

  SQLCipher

  加密

第十章：场景总结

10.1

工厂预测性维护

• 输入：设备振动、温度传感器
• 边缘动作：实时异常检测

  本地停机

  云告警

• 收益：减少非计划停机

  智能家居

  • 输入：温湿度、光照、人体红外
  • 边缘动作：断网时仍可执行“人来开灯、人走关灯”
  • 收益：用户体验不依赖互联网

  10.3

  精准农业

  • 输入：土壤湿度、气象站数据
  • 边缘动作：融合多源数据

    自动灌溉决策

  • 收益：节水

    25%，减少云流量

    95%

  ---

  总结：智能下沉，价值上升

  边缘不是云的延伸，而是智能的新前线。