17191073931

17191073931

标签 - 边缘AI

{{brizy_dc_image_alt entityId=

为什么实时多模态边缘系统真正难的不是模型，而是时延、同步与运维

多模态边缘系统真正难的地方，通常不是单个模型能不能跑通，而是语音、视频、事件流如何在有限算力与不稳定网络下保持低时延、可对齐、可诊断、可回滚。本文给出一套更适合落地的判断框架。
{{brizy_dc_image_alt entityId=

RK3566 上运行 YOLOv8 Detection：INT8 性能、精度与可行性判断

本文基于 RK3566 平台，实测 YOLOv8 Detection 在 INT8 量化下的推理性能与精度表现，分析 FPS 边界、结构限制及适用场景，给出可落地的工程判断。
{{brizy_dc_image_alt entityId=

RKNN / ONNX Opset 兼容性参考：边缘 NPU 模型转换的约束、报错定位与版本基线

面向嵌入式与边缘AI工程师的RKNN/ONNX Opset兼容性参考：解释转换失败根因、opset选型逻辑与YOLOv8等模型的结构约束，并给出可复用的导出与版本基线方法。
{{brizy_dc_image_alt entityId=

RTSP 与 WebRTC 对比：AI 物联网视频识别的最佳协议选择

RTSP 与 WebRTC 是 AI 视频识别与物联网视频系统中最常用的两种流媒体协议。本文深入解析它们的技术差异、优劣对比，以及在 AI 视频识别与边缘计算中的应用与优化方案。
{{brizy_dc_image_alt entityId=

将 MediaPipe 手势识别迁移到 RKNN：从 .task 到 RK3566 实战

手把手教你将 MediaPipe 手势识别 .task 拆分为四个 TFLite，并用 RKNN Toolkit2 转换与量化，部署到 Rockchip RK3566 NPU；覆盖常见报错修复、推理管线与实时示例，快速实现低功耗高性能的边缘 AI 手势识别。
{{brizy_dc_image_alt entityId=

AI智慧仓储：从RFID到多模态识别的库存管理AI-WMS

AI智慧仓储正在重塑库存管理，从RFID到多模态识别，实现实时盘点、异常检测与预测补货，提升效率、降低成本，为电商、制造、医药和冷链企业打造高精度智能化仓储体系。
{{brizy_dc_image_alt entityId=

SmolRTSP：在嵌入式系统中实现高效 RTSP 流媒体服务的开源实践

SmolRTSP 是一个基于 Rust 实现的轻量级 RTSP 服务器框架，专为嵌入式系统设计。本文深入讲解其协议原理、系统架构、集成方式与性能优化，适合嵌入式开发者阅读实践。
{{brizy_dc_image_alt entityId=

从云到端：AI在硬件设备中的应用与技术实现架构详解

全面深入地介绍AI在硬件设备中如何落地，包括核心技术原理、架构设计、实际应用案例和成本控制策略，帮助企业理解AI智能硬件的技术实施要点。阐述AI在硬件设备中的应用原理、具体技术实现方式、核心架构设计、真实案例分析及部署成本管理策略，帮助技术人员和产业决策者精准把握这一前沿趋势。
  • 1
  • 2
{{brizy_dc_image_alt imageSrc=
{{brizy_dc_image_alt imageSrc=

© 2025 ZedIoT Ltd. 北京星野云联科技有限公司 All Rights Reserved.

京ICP备2021029338号-2