基于邊緣計算的糧食信息化探究

喬 炎， 甄 彤， 李智慧

(糧食信息處理與控制重點實驗室;河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院,鄭州 450001)

隨著科技的進步，“糧食信息化”深受國家關(guān)注。2020年9月，國家糧食和物資儲備局組織召開“十四五”信息化發(fā)展規(guī)劃座談會，提出糧庫治理能力現(xiàn)代化，推進“數(shù)字儲量”建設(shè)[1]。目前基于云計算的糧庫建設(shè)已逐步智能化，但大多功能單一，管理分散，數(shù)據(jù)量龐大，仍有很多問題急需解決。邊緣計算作為云計算的擴展，為糧食信息化帶來新的生機。

邊緣計算是指在網(wǎng)絡(luò)邊緣執(zhí)行計算的一種新型計算模型。邊緣計算中的邊緣指的是數(shù)據(jù)源到云端之間路徑上的任意計算和網(wǎng)絡(luò)資源[2，3]。邊緣計算的興起為解決云計算中的時延較大，帶寬不足，隱私安全等問題提供了新思路。

Acm、IEEE、ICDCS、FMEC、ICFEC、EDGE等國際會議也逐漸開始聚焦邊緣計算技術(shù)。同樣，邊緣計算技術(shù)在國內(nèi)發(fā)展也十分迅速，華為技術(shù)有限公司、中國科學(xué)院沈陽自動化研究所等成立了邊緣計算產(chǎn)業(yè)聯(lián)盟(Edge Computing Consortium,ECC)[4],旨在搭建邊緣計算產(chǎn)業(yè)合作平臺，推動OT和ICT產(chǎn)業(yè)開放協(xié)作。2020邊緣計算產(chǎn)業(yè)峰會，發(fā)布了《邊緣計算與云計算協(xié)同白皮書2.0》《5G時代工業(yè)互聯(lián)網(wǎng)邊緣計算網(wǎng)絡(luò)白皮書》《工業(yè)互聯(lián)網(wǎng)邊緣計算節(jié)點白皮書1.0》[5]。邊緣計算技術(shù)已逐漸被理解和接受，研究者在積極開拓邊緣計算在各領(lǐng)域的應(yīng)用，前景廣闊。

1 邊緣計算的應(yīng)用成果

隨著自動化、傳感器、電子信息等技術(shù)的發(fā)展，生活與工業(yè)中大部分生產(chǎn)過程都可被智能監(jiān)測或管理，所有的智能監(jiān)測或管理都離不開數(shù)據(jù)分析，而數(shù)據(jù)分析需要大量的計算資源。

目前基于云計算的計算模式已經(jīng)無法滿足工業(yè)物聯(lián)網(wǎng)、自動駕駛、智慧城市及數(shù)據(jù)安全等領(lǐng)域的對海量數(shù)據(jù)進行實時、安全、低耗等處理要求。邊緣計算一經(jīng)提出，便受到廣泛關(guān)注，目前已初步取得一些成果。本文總結(jié)了邊緣計算在不同場景的應(yīng)用及所解決的主要問題，相關(guān)信息如表1所示。

1.1 工業(yè)物聯(lián)網(wǎng)

邊緣計算為眾多工業(yè)場景中數(shù)據(jù)分析提供了新思路與計算支持。目前的應(yīng)用主要依賴于邊緣計算低時延的特性，為移動設(shè)備提供計算力，提高數(shù)據(jù)的處理速度和響應(yīng)速度，在保證帶寬和能耗的條件下提高效率。但由于工業(yè)物聯(lián)網(wǎng)的場景及數(shù)據(jù)的復(fù)雜性，目前邊緣計算在此領(lǐng)域的應(yīng)用還不太完善，大多只是針對一到兩個方面，很少有健全和功能完善的系統(tǒng)。此外，很多應(yīng)用為了保證低時延和低帶寬，導(dǎo)致平臺成本過高，并且安全性有待提高。

表1 邊緣計算的應(yīng)用

1.2 自動駕駛與車聯(lián)網(wǎng)

自動駕駛及車聯(lián)網(wǎng)場景下需要極低的時延從而達到及時反饋，邊緣計算在該領(lǐng)域的研究著重于解決低時延的問題。目前存在兩方面問題。第一，進行實驗分析時只關(guān)注時延，忽略帶寬，帶寬過高會對架構(gòu)安全性產(chǎn)生威脅。第二，實驗時只考慮理想情況，但實際路況復(fù)雜，易出現(xiàn)突發(fā)事件，導(dǎo)致所提算法受到車輛移動性的影響。

1.3 智慧城市

智慧城市是利用信息技術(shù)，提高城市的運作效率，提高居民生活質(zhì)量。智慧城市需要信息融合、統(tǒng)籌管理、深度感知[26]。邊緣計算在該領(lǐng)域的研究比較簡單，主要是將原本在云端進行檢測或處理的數(shù)據(jù)下發(fā)給邊緣端，以提高效率。若在檢測過程中融入合作訓(xùn)練等邊緣計算，可能會進一步提高速度，減少服務(wù)器壓力。

1.4 數(shù)據(jù)安全實時處理

大數(shù)據(jù)時代下數(shù)據(jù)安全問題倍受廣大用戶關(guān)注，由于云計算要將數(shù)據(jù)全部上傳至云端，數(shù)據(jù)泄露問題難以避免。邊緣計算模式下可提高數(shù)據(jù)安全的關(guān)鍵在于，邊緣計算將計算卸載至本地，減少了隱私泄露問題。目前大多是對邊緣環(huán)境下安全協(xié)議的研究，主要還存在以下幾個核心問題。第一，安全協(xié)議計算任務(wù)卸載問題，雖然邊緣計算模式下一定相較于傳統(tǒng)物聯(lián)網(wǎng)模式下性能更優(yōu)，但如何合理地將任務(wù)卸載至邊緣節(jié)點有待研究。第二，安全協(xié)議場景單一，大多只針對車聯(lián)網(wǎng)場景，其他場景下還需進一步研究。第三，可將區(qū)塊鏈結(jié)合到安全協(xié)議中以提高安全協(xié)議效率。

2 邊緣計算在糧食信息化中的應(yīng)用

邊緣計算在工業(yè)物聯(lián)網(wǎng)、數(shù)據(jù)安全處理、自動駕駛、智慧城市等對實時性、帶寬要求較高的領(lǐng)域中取得進展，如智能倉儲、無人值守鐵路、煤礦甲烷含量檢測等，為很多行業(yè)中存在的問題提供了新的解決方案。而一些特殊領(lǐng)域有著獨特的需求，邊緣計算在這些領(lǐng)域的應(yīng)用需結(jié)合其行業(yè)特殊性，具有一定難度。糧食是民生之本[33]，糧庫的建設(shè)關(guān)系到國家安全，以目前邊緣計算在其他領(lǐng)域的研究成果為基礎(chǔ)，對邊緣計算下的糧食信息化應(yīng)用做出探究。

2.1 基于云計算的糧食信息化平臺

目前的糧情監(jiān)控平臺主要是基于云服務(wù)平臺[34]，在全國范圍建立一個智慧糧食云服務(wù)平臺，多個分中心和云中心相結(jié)合，云中心可以調(diào)看分中心的情況，共同監(jiān)測全國各地糧庫，該架構(gòu)下，由終端采集數(shù)據(jù)，包括出入庫信息、出入庫車輛信息、溫濕度信息等。終端將采集到的所有數(shù)據(jù)上傳至云端，全部交付云端進行處理與統(tǒng)一管理。由于糧庫中產(chǎn)生的糧情信息數(shù)據(jù)龐大，如糧庫的溫濕度、光照強度、存儲量、某種氣體的濃度等，都使云平臺的計算壓力增大，資源無法合理分配，使得延遲，帶寬等問題無法解決，且系統(tǒng)功能大多較為單一，無法實現(xiàn)真正的本地數(shù)據(jù)分析和控制聯(lián)動。以云計算為核心的集中式數(shù)據(jù)處理模式已經(jīng)難以滿足糧情監(jiān)控的多樣化。邊緣計算選擇就近對視頻數(shù)據(jù)進行預(yù)處理，無論是帶寬，時延還是存儲方面都表現(xiàn)良好。

2.2 邊緣計算下糧情監(jiān)測系統(tǒng)框架

2.2.1 邊緣計算下糧情監(jiān)測系統(tǒng)功能分析

邊緣計算下的新型糧情監(jiān)測系統(tǒng)是建立在傳統(tǒng)監(jiān)測系統(tǒng)上的，可實現(xiàn)視頻數(shù)據(jù)分析，視頻數(shù)據(jù)計算、視頻數(shù)據(jù)存儲等，規(guī)范糧食出入庫作業(yè)流程，包括登記、檢驗、計量、入倉、去皮并計算凈重、結(jié)算、滿倉整理、設(shè)備歸位檢修、數(shù)量質(zhì)量驗收等，對儲量生態(tài)系統(tǒng)中溫度、濕度、氣體成分、雜質(zhì)和微生物等動態(tài)監(jiān)測，是一個新型管理中心。邊緣計算下糧情監(jiān)測模型的優(yōu)勢主要體現(xiàn)在三方面。第一，數(shù)據(jù)實時處理。邊緣計算節(jié)點的部署更靠近數(shù)據(jù)源頭，大量糧情數(shù)據(jù)可實現(xiàn)本地管理，無需上傳至云端，減少處理時延，從而減少反饋延遲。第二，緩解帶寬壓力。數(shù)據(jù)產(chǎn)生后及時處理，只將部分重要信息上傳至云中心，從而顯著緩解帶寬壓力。第三，降低數(shù)據(jù)泄漏風(fēng)險。糧情信息關(guān)系國家穩(wěn)定，原始數(shù)據(jù)不再上傳至云端，而是存儲在本地邊緣節(jié)點，從而保護數(shù)據(jù)安全。

如圖1所示，該系統(tǒng)最上層是用戶層，糧庫管理人員和政府有關(guān)部門可查看庫內(nèi)相關(guān)情況。用戶層的下層是云端，是整個系統(tǒng)的大腦。邊緣側(cè)由邊緣服務(wù)器組成，下接設(shè)備終端，上接云端。

圖1 邊緣計算下糧情監(jiān)測系統(tǒng)

2.2.1.1 設(shè)備終端

由于要對糧庫內(nèi)出入庫車輛、倉門異動、人員摔倒、規(guī)范穿戴等及時預(yù)警，對儲糧生態(tài)系統(tǒng)的溫度、濕度、氣體成分、雜質(zhì)和微生物等進行實時監(jiān)測，因此設(shè)備終端除了智能攝像頭外，還包括糧庫中各種傳感器等物聯(lián)網(wǎng)設(shè)備。智能終端具有智能感知的功能，其主要負責(zé)進行數(shù)據(jù)采集，并將采集后的數(shù)據(jù)上傳至邊緣側(cè)進行處理。

2.2.1.2 邊緣側(cè)

邊緣側(cè)可看作是從云端下沉的一部分，邊緣側(cè)實現(xiàn)數(shù)據(jù)處理、特征分析、行為識別、數(shù)據(jù)存儲等功能。終端采集到庫內(nèi)溫濕度、氣體成分等信息后，上傳至邊緣端，邊緣端會進行部分處理，只將難以處理的信息上傳至云端。同時可將視頻圖像中的冗余信息去除，實現(xiàn)一部分分析和處理，但數(shù)據(jù)處理后的結(jié)果依然要傳遞給云中心進行統(tǒng)一決策。同時將復(fù)雜功能和視頻信息傳遞給糧庫視頻監(jiān)控云中心，進一步進行計算、存儲、分析、決策。邊緣計算側(cè)向云計算中心發(fā)送數(shù)據(jù)請求，同時和前端邊緣設(shè)備共同實現(xiàn)部分功能算法如跟蹤車輛，人臉識別等，對部分?jǐn)?shù)據(jù)進行處理。此外，邊緣側(cè)還可以進行管控和調(diào)配，監(jiān)管著前端邊緣設(shè)備的部分?jǐn)?shù)據(jù)安全性和傳輸可靠性等。所以可將邊緣計算服務(wù)器看作設(shè)備終端和云中心的橋梁。

2.2.1.3 云端

邊緣側(cè)進行預(yù)處理和分析的結(jié)果需要傳遞至云中心，較為復(fù)雜的數(shù)據(jù)信息也在云中心進行處理。如進行目標(biāo)檢測等任務(wù)時，如車輛出入庫檢測、糧庫作業(yè)規(guī)范檢測等，模型訓(xùn)練任務(wù)由云端執(zhí)行。之后，云中心進行決策和調(diào)度，在全局范圍內(nèi)進行調(diào)度。云中心提供與用戶層的接口。

邊緣計算下的糧庫糧情監(jiān)測系統(tǒng)的主要功能：與云計算相結(jié)合，總監(jiān)控中心可以調(diào)度分庫監(jiān)控中心；糧庫中海量數(shù)據(jù)可以在邊緣側(cè)進行預(yù)處理，改變將所有數(shù)據(jù)傳遞給云中心的傳統(tǒng)模式，緩解帶寬壓力，降低時延；視頻監(jiān)控終端具備信息處理功能；在出現(xiàn)糧情異?；蚣Z庫異常時，有通知和預(yù)警功能；對儲糧生態(tài)系統(tǒng)的溫度、濕度、氣體成分、雜質(zhì)和微生物等信息實現(xiàn)動態(tài)監(jiān)測。

2.2.2 邊緣計算下糧情監(jiān)測系統(tǒng)硬件需求分析

本著儲糧技術(shù)中綠色、高效、安全、節(jié)能的原則，在數(shù)據(jù)分析技術(shù)方面，由于邊緣層節(jié)點數(shù)量多，考慮到成本，邊緣層可以由諸多小型服務(wù)器或是PC端電腦組成，也可以是虛擬機組成的計算集群或者樹莓派搭建的小型計算機，或是由容器組件的容器集群。其中容器技術(shù)相較于傳統(tǒng)的虛擬機技術(shù)可使邊緣設(shè)備的資源得到更充分的利用，有較大優(yōu)勢，可通過Google發(fā)布的開源系統(tǒng)Kubernetes[35]，結(jié)合Docker容器技術(shù)[36]進行集群管理。此外由于智能終端可能要承擔(dān)一部分的目標(biāo)檢測任務(wù)，所以需要具有一定計算能力。終端設(shè)備可選擇搭載英偉達TX2[37]開發(fā)套件，其性能在數(shù)據(jù)存儲、內(nèi)存、GPU、CPU等方面均表現(xiàn)良好。

在通信方面，終端層中包含諸多智能終端，為了保證數(shù)據(jù)雙向傳輸，終端層和邊緣側(cè)的邊緣服務(wù)器及邊緣服務(wù)器與云中心的連接均采用雙向連接。分布式運算必須要協(xié)調(diào)各部分節(jié)點的通信協(xié)議，在進行通信時，避免產(chǎn)生額外的計算，另一方面也要避免因為數(shù)據(jù)格式的差異而產(chǎn)生錯誤，因此需要對通信協(xié)議進行統(tǒng)一。通信協(xié)議選擇SSH協(xié)議。邊緣側(cè)與云端也可通過有線介質(zhì)或Wifi進行通信。此外，邊緣計算的接口適配應(yīng)符合物聯(lián)網(wǎng)化、IT/OT融合[38]的趨勢，實現(xiàn)接口和協(xié)議轉(zhuǎn)換。

2.3 邊緣計算下糧庫視頻監(jiān)控框架

2.3.1 邊緣計算下糧庫視頻監(jiān)控框架設(shè)計

邊緣計算下糧庫視頻監(jiān)控系統(tǒng)可應(yīng)用于出入庫車輛檢測、車輛跟蹤、規(guī)范作業(yè)檢測穿戴檢測、人臉識別、倉門異動檢測、人員摔倒預(yù)警等方面。在邊緣計算視頻監(jiān)控模型中，計算通常發(fā)生在數(shù)據(jù)源附近，即在邊緣端進行視頻數(shù)據(jù)的分析和處理。在硬件上，邊緣前端側(cè)和邊緣服務(wù)器及邊緣側(cè)與云中心之間都采用雙向連接。硬件層主要包括邊緣計算硬件單元，無線通信模塊及視頻監(jiān)控系統(tǒng)硬件設(shè)備。軟件層主要負責(zé)圖像處理，包括目標(biāo)檢測，信息融合，狀態(tài)估計等，實現(xiàn)模糊計算，并對實時采集的數(shù)據(jù)執(zhí)行將部分或全部計算任務(wù)，為更注重實時性的應(yīng)用提供實時性應(yīng)答。此外，設(shè)置彈性存儲模塊，感知監(jiān)控場景內(nèi)變化，實現(xiàn)更高的存儲空間。最終計算結(jié)果傳遞給云中心，由云中心統(tǒng)一進行調(diào)度。

2.3.2 邊緣計算下目標(biāo)檢測算法

糧庫中視頻監(jiān)控的主要功能是進行目標(biāo)檢測。目前傳統(tǒng)的基于深度學(xué)習(xí)的目標(biāo)檢測算法已經(jīng)發(fā)展比較完善，但這些模型往往體積較大、參數(shù)冗余、需要大量的計算資源。且在云計算框架下需把攝像頭采集到的所有數(shù)據(jù)上傳至云端再進行檢測，造成數(shù)據(jù)堆積，大量時間浪費，無法真正實現(xiàn)智能化。本文根據(jù)糧庫中視頻數(shù)據(jù)背景單一，且面積大，需訓(xùn)練的數(shù)據(jù)較少，但在檢測時對實時性要求較高，特別是關(guān)系人員安全的規(guī)范作業(yè)檢測等，需檢測到數(shù)據(jù)較多的特點，將目標(biāo)檢測算法與邊緣計算結(jié)合，從而減少數(shù)據(jù)堆積，降低時延。體現(xiàn)在兩方面，第一，將傳統(tǒng)的目標(biāo)檢測模型放在邊緣側(cè)執(zhí)行，無需上傳至云端，從根本上降低傳輸時延。第二，設(shè)計了一種新的訓(xùn)練與檢測模式。該模式下，智能終端采集數(shù)據(jù)后上傳至邊緣服務(wù)器，在邊緣服務(wù)器上訓(xùn)練模型，之后邊緣服務(wù)器將訓(xùn)練好的模型發(fā)送給具有一定計算能力的智能終端，產(chǎn)生新的數(shù)據(jù)時由終端進行圖像檢測，這種方式改變了過去訓(xùn)練及檢測均在一個服務(wù)器上的模式，降低服務(wù)器壓力的同時降低了時延。

在模型選擇方面，由于邊緣服務(wù)器的內(nèi)存空間和計算力相對于大型服務(wù)器較小，可選擇YOLO系列中最新研究成果YOLOv5[39]，該模型相較于兩階段模型及YOLO系列中其他算法，有模型小、部署成本低、靈活性高、檢測速度快等優(yōu)點，易于在邊緣端進行部署。

2.4 邊緣計算模式下糧庫車輛識別與跟蹤

本文以車輛檢測及跟蹤為例對新架構(gòu)下目標(biāo)檢測及跟蹤進行分析。邊緣計算模式下的車輛檢測大致可分為4個步驟，如表2所示，邊緣計算模式下的糧庫車輛檢測流程采用了智能攝像頭，該攝像頭集數(shù)據(jù)采集、圖像預(yù)處理、特征提取及簡單目標(biāo)檢測算法于一身。從步驟上看，邊緣計算模式較傳統(tǒng)云計算模式處理步驟并沒有減少，但是不再將大量視頻數(shù)據(jù)上傳至云端，而是將智能攝像頭預(yù)處理后的結(jié)果上傳至云端。糧庫中每天進出的車輛眾多，若像傳統(tǒng)模式下將所有視頻數(shù)據(jù)不加處理就上傳至云端，海量的數(shù)據(jù)將造成糧庫中計算資源大量浪費，且糧庫對實時性要求較高，而傳統(tǒng)模式下數(shù)據(jù)冗余，無法保證時延。新的模式下檢測流程極大地分?jǐn)偭嗽贫说膲毫?，并且降低了車輛識別的時間消耗，可以滿足糧庫中車輛識別的需求。該方法同樣適用于人臉識別、安全帽識別等目標(biāo)檢測流程。

糧食儲藏中，重視倉儲管理規(guī)范化、精細化、全程留痕、狀態(tài)可追蹤、責(zé)任可追溯[40]，這些問題的本質(zhì)可歸納為實時目標(biāo)跟蹤。車輛跟蹤作為計算機視覺領(lǐng)域目標(biāo)跟蹤的一個重要方向，也是智能糧庫管理的重要一環(huán)。本文設(shè)計的邊緣計算下目標(biāo)跟蹤方案，主要以解決現(xiàn)存糧庫云計算模式下實時性較差的短板問題為目標(biāo)，實現(xiàn)實時跟蹤。邊緣計算下車輛跟蹤依賴于有一定計算能力的智能終端。當(dāng)糧庫中有車輛入庫時，首先由目標(biāo)檢測環(huán)節(jié)檢測到目標(biāo)P，得到其初始位置，之后以目前攝像頭的坐標(biāo)(Px,Py)為中心，向半徑R內(nèi)的“鄰居”攝像頭發(fā)送信息，“鄰居”攝像頭對該信息進行復(fù)制，若遇到相同的信息會進行融合，并發(fā)送給新的“鄰居”攝像頭，以此來進行車輛位置的跟蹤。因為邊緣計算模式下的攝像頭具有一定的計算能力，因此無需將得到的信息上傳云端，再由云端發(fā)送給“鄰居”攝像頭，從而節(jié)省了時間。

表2 不同計算模式下糧庫車輛檢測過程

圖2 傳統(tǒng)糧情預(yù)警與邊緣計算下糧情預(yù)警流程對比

2.5 邊緣計算模式下的糧情預(yù)警

糧情預(yù)警是糧食儲藏中極其重要的一環(huán)。糧食倉儲中很多環(huán)節(jié)如氮氣儲糧、北方地區(qū)推廣的內(nèi)環(huán)流控溫技術(shù)、高溫高濕地區(qū)廣泛應(yīng)用的空調(diào)控溫技術(shù)、環(huán)流熏蒸等，均需根據(jù)倉內(nèi)情況及時預(yù)警。傳統(tǒng)的糧情預(yù)警流程步驟繁雜，共有8步。首先由攝像頭和各傳感器(溫濕度傳感器等)采集數(shù)據(jù)，底層設(shè)備收集到數(shù)據(jù)后上傳至環(huán)網(wǎng)交換機，再進一步將數(shù)據(jù)傳遞給監(jiān)控主機，監(jiān)控主機根據(jù)分析模型(如溫濕度監(jiān)測模型，火災(zāi)分析模型等)分析是否有異常情況發(fā)生，若沒有繼續(xù)監(jiān)測，若有異常，監(jiān)控主機報告給總監(jiān)控中心，并向各基站下發(fā)控制命令，最后報警。需要消耗大量的時間，且由于各個傳感器和攝像頭都需要將所收集的數(shù)據(jù)上傳至主機，對帶寬的要求很大，難以滿足糧庫中的實際需求。

邊緣計算模型下糧情預(yù)警流程中，由于無需將大量數(shù)據(jù)上傳至主機，從檢測到異常到處置只需要4步，首先由糧庫中攝像頭和各傳感器采集數(shù)據(jù)并及時將采集到的數(shù)據(jù)信息上傳至邊緣網(wǎng)關(guān)。邊緣網(wǎng)關(guān)根據(jù)分析模型確定異常。之后邊緣網(wǎng)關(guān)將信息上傳至邊緣計算平臺進行預(yù)處理和判斷。最后邊緣計算平臺根據(jù)設(shè)定的邏輯來完成通知或報警。在這個過程中可與深度學(xué)習(xí)等算法結(jié)合，實現(xiàn)目標(biāo)檢測，人臉識別等功能?？梢钥闯觯撨^程相較于傳統(tǒng)的糧情預(yù)警模型，不僅減少了時間消耗，還節(jié)約了帶寬成本，為糧情異常處理爭取了時間。在新的糧情預(yù)警模式下可實現(xiàn)對糧情全方位的動態(tài)實時監(jiān)測。由于智能終端具有處理部分?jǐn)?shù)據(jù)及收發(fā)數(shù)據(jù)的功能，一旦終端傳感器的數(shù)據(jù)超過了預(yù)先設(shè)定的閾值，智能終端可迅速發(fā)出預(yù)警，且當(dāng)一個智能終端或邊緣服務(wù)器發(fā)生故障時，其他節(jié)點可共同完成任務(wù)，使模型更加穩(wěn)定。

2.6 邊緣計算模式下數(shù)據(jù)安全保護

邊緣計算模式下糧庫視頻監(jiān)控的另一大優(yōu)勢在于可以從根本上降低糧庫數(shù)據(jù)泄漏與被篡改的風(fēng)險。數(shù)據(jù)泄漏與篡改主要發(fā)生在數(shù)據(jù)源與云端進行交互和通信的過程中，可能被第三方惡意入侵。由于邊緣計算模式下無需將所有數(shù)據(jù)上傳至云端，因此從根本上降低了數(shù)據(jù)泄露與被篡改的風(fēng)險。同時，可對諸多的邊緣服務(wù)器及智能終端進行認證注冊，只有獲得權(quán)限的設(shè)備才可以收發(fā)數(shù)據(jù)。此外，邊緣計算與區(qū)塊鏈技術(shù)[41]相結(jié)合進行數(shù)據(jù)安全保護也是一大熱點。

3 總結(jié)

邊緣計算技術(shù)蓬勃發(fā)展，在各個領(lǐng)域應(yīng)用廣泛。然而邊緣計算在很多特殊行業(yè)依然處于新發(fā)展階段，在很多地區(qū)，糧庫智能化是糧庫急需解決的問題，邊緣計算在糧食信息化中應(yīng)用前景廣闊。本文綜述邊緣計算技術(shù)在工業(yè)物聯(lián)網(wǎng)、數(shù)據(jù)安全、自動駕駛和智慧城市4個關(guān)鍵領(lǐng)域的應(yīng)用成果，分析各個領(lǐng)域目前存在的局限性與未來改進方向。以邊緣計算在其他領(lǐng)域的研究成果與局限性為基礎(chǔ)，結(jié)合目前糧食信息化發(fā)展中存在的問題，提出了將邊緣計算與云計算結(jié)合的糧庫糧情監(jiān)測系統(tǒng)框架，并對視頻監(jiān)控系統(tǒng)、車輛檢測與跟蹤、糧情預(yù)警及數(shù)據(jù)安全保護幾個模塊進行著重分析，實現(xiàn)實時監(jiān)測糧情生態(tài)系統(tǒng)，實時監(jiān)測和標(biāo)記問題并進一步進行跟蹤和及時處理，對嚴(yán)重問題和重大缺陷進行提前預(yù)警，有利于糧庫管理規(guī)范化和精細化。