冠狀病毒大流行迅速使世界各國的醫療保健基礎設施不堪重負。例如，在美國，最初發布的有缺陷的檢測試劑盒加劇了這種情況，隨后導致無法準確篩查潛在患者的疾病。

但是，也錯失了在入境口岸預先篩查潛在冠狀病毒攜帶者的機會。與其對毫無戒心的承運人調查他們最近的旅行情況，運輸安全管理局等當局本可以從使用能夠檢測與 COVID-19 相關的癥狀（例如發燒和異常呼吸模式）的人工智能計算機視覺技術中受益匪淺。精確和實時。

工業 GPU 計算機現在具有在邊緣執行這些神經網絡算法的性能和可擴展性，可實現大規模的非接觸式篩查，這將有助于減輕冠狀病毒和其他潛在致命傳染病的傳播。

臺灣：疾病預防和緩解案例研究

盡管臺灣靠近冠狀病毒爆發的中心，該國遏制疾病傳播的能力歸功于 SARS 流行后采取的措施，其中包括在機場使用溫度監測來篩查旅客是否發燒。

當然，在這些高密度環境中使用機場或醫務人員對每位乘客進行物理測量即使不危險也是不現實的。首先，它將為乘客和醫護人員之間的傳染病指數傳播提供一個平臺，特別是考慮到防護性外科口罩和手套的短缺。其次，這將導致最近導致美國機場等待時間長達 7 小時的瓶頸。

相反，臺灣的主要機場使用高分辨率熱像儀和深度學習。一旦攝像機捕捉到乘客的紅外圖像，成像數據就會被傳遞到Premio VCO-6020-1050TI或VCO-6022C-2PWR工業 GPU 計算機等系統。捕獲的像素隨后由片上 Intel? 或 NVIDIA? 圖形引擎處理，而多核 CPU 執行計算機視覺算法。在某些情況下，可以部署面部識別算法，從而在問題發生之前將其阻止。

如圖1所示，CPU-GPU 架構減少了執行時間和熱量產生，并允許 Premio VCO-6020-1050TI 和 VCO-6022C-2PWR 平臺分別僅消耗 50 W 和 75 W。VCO-6022C-2PWR 可支持高達 RTX 2060 Super GPU 的圖形處理器，提供 2176 個 Nvidia CUDA 內核，足以進行實時機器推理。

圖 1. 與單片計算架構相比，異構 CPU-GPU 架構減少了執行時間、功耗和熱量產生，如此基于 OpenCL 的熱成像應用程序中所描述的

這些系統的另一個關鍵考慮因素是快速內存和存儲的可用性，它們允許不同的計算元素從圖像處理快速過渡到推理執行，或者在神經網絡算法的各個層之間。在這里，高達 32 GB 的板載 DDR4 SO-DIMM 內存以高達 2133 MHz 的速度運行，與其他可用內存選項相比，它消耗的功率更少，同時仍以足夠快的速度傳輸數據以供系統實時執行。

根據軟件堆棧和實施，基于 VCO-6020-1050TI 和 VCO-6022C-2PWR 等平臺的基于 AI 的溫度監測解決方案能夠每分鐘對多達 200 個對象執行熱推斷，同時準確檢測 99.1oF 的溫度或以上。

請記住，所有這些計算都是直接在邊緣執行的，并且受益于堅固的工業 GPU 計算機。

最大化發燒檢測數據的價值

在溫度監測系統捕獲、處理和分析乘客成像數據后，必須以可用、有意義的方式將調查結果呈現給官員。這是 VCO-6020-1050TI 和 VCO-6022C-2PWR 等系統的異構多核架構的另一個優勢，因為可以保留 CPU 內核來執行系統管理、控制和通信任務。

例如，兩個平臺都能夠通過 DVI-I、DisplayPort 或 HDMI 端口同時驅動多個獨立顯示器（6022C 上三個，6020 上六個）。這使官員能夠監控主要計算機視覺應用程序的結果并采取必要的措施，例如隔離疑似發燒的旅行者。

然而，在不久的將來，這些系統可以用來部署更大規模的智能健康和旅行計劃。兩個平臺上的以太網、USB 和串行通信選項允許將來自掃描的數據與來自其他系統的信息集成，例如自動護照控制 （APC） 機器。

在這種情況下，VCO-6020-1050TI 或 VCO-6022C-2PWR 可以同時驅動三到六個 APC 或全局輸入系統，同時對來自熱像儀的成像數據運行計算機視覺算法。然后，該系統可以將積極的發燒推斷與乘客旅行信息相關聯，以確定是否應根據某人最近的目的地將其視為具有極高風險。

如果部署需要更多處理、存儲或網絡功能，該平臺提供 mini PCIe 插槽、兩個 2.5“ HDD 托架和 PCI/PCIe 擴展（僅限 VCO-6022C-2PWR）。平臺支持 -25oC 至 +工作溫度范圍為 70oC；采用擠壓鋁材和重型金屬包裝；可通過正面 I/O 進行壁掛式和 DIN 導軌安裝。

而且，如果溫度監控部署也需要能夠驅動攝像頭的解決方案，RCO-6020-1050TI 提供與其 VCO 系列同類產品相同的大部分功能，并且能夠驅動多達 8 個支持 PoE 的設備。

盡管在機場和臺灣以及全球其他地方進行的健康檢查取得了進展，但也有改進的余地。最近幾周，僅依賴熱成像數據的不太復雜的系統被批評為無法有效捕獲過境的冠狀病毒攜帶者，這就是為什么現在并將繼續更加強調將它們與邊緣人工智能相結合的原因。

同時，人工智能算法本身也在準確性、效率甚至模態上不斷進步。例如，中國研究人員和學者目前正在開發一種識別呼吸急促的神經網絡，這是一種異常呼吸系統疾病，比單純的發燒更容易與 COVID-19 相關，目前準確率超過 95%。

實時異常呼吸模式分類系統能夠在多個對象上實時執行。經過進一步改進，它可以提供另一種準確、可擴展的方式來測試大量受試者。

無論算法如何，社會都需要大量能夠在邊緣執行實時推理的高性能、低功耗平臺。由于缺乏冠狀病毒檢測試劑盒，出現了像“開車”檢測這樣的潛在解決方案，這一點變得更加明顯。

如今，此類解決方案可以迅速證明投資回報的合理性，并且比其他解決方案更快地使社會恢復正常。

審核編輯：郭婷