Tag: Greengrass

本文介绍了一种使用亚马逊云科技 IoT Greengrass 2.0 在生产机队上大规模部署和管理机器人软件的新方法。当与机器人操作系统 2（ROS2）的行业级工具、库和功能相结合时，开发人员可以将新的云增强型机器人功能推向市场，并减少构建故障弹性基础设施所需的时间和精力。

很多的制造企业正在利用数字化技术进行转型，并利用机器学习，计算机视觉和机器人等技术提升制造自动化程度。本文将介绍AWS如何利用这些技术为智能工厂提供解决方案并展示如何利用物理网技术将产线数据上云，如何利用边缘计算技术实时控制设备。

AWS IoT Greengrass很容易部署在设备侧/网关侧，同时也提供良好的运行时环境，针对安防监控厂商Camera设备可以结合AWS IoT Greengrass来实现边缘侧AI/ML场景。这里通过树莓派部署AWS IoT Greengrass跑dlib库从摄像机实时视频流中抽取视频帧来实现人脸识别和比对。

在工业自动化领域，您会发现设备和 PLC 供应商使用了数十种协议：OPC-UA、Modbus TCP、串行协议等等。事实上，往往仅在一个工厂，就会很容易发现有不同的设备，却执行相同的功能去完成相似的工序。
AWS Greengrass 通过远程部署来帮助企业减少更改协议时的运行开销。AWS Greengrass 使用 AWS Lambda，借助这种服务可以在云中对设备进行编程。例如，企业可以将 AWS Lambda 函数部署到本地设备以添加额外的传感器或更改供应商设备。通过云中编程并部署到本地，缩短了物联网应用程序的开发和维护周期。
在本博文中，我们将演示如何从常见的工业协议（例如 Modbus TCP）来转换数据的例子。其他协议的转换也可以用同样的方法。

工业物联网 (IIoT) 为每个行业提供了一个无与伦比的机会来应对核心业务挑战，例如减少停机时间、提高安全性、增加系统输出、降低运营成本，以及创建创新服务和业务模型。在本篇博文中，我将向您展示如何使用 AWS IoT 服务构建资产状况监控解决方案，捕获物理资产中的数据，以便您了解其状态和性能并采取相应措施。

您可能已经了解如何使用 AWS IoT Core 和 AWS IoT Greengrass 进行远程设备通信和控制。通过 AWS IoT Greengrass 机器学习 (ML) 推理，您可以在本地设备上运行机器学习模型，而且不会出现任何传输延迟。在这篇博文中，我将向您展示如何在 Raspberry Pi 上使用 AWS IoT Greengrass ML 推理来执行本地面部识别，以满足家庭监控需求。

Canonical和 AWS 合作以 Snap 的方式推出了 AWS IoT Greengrass，这是一种容器化的软件包，可以在各种 Linux 发行版上运行。AWS IoT Greengrass 与 Ubuntu Core 的结合，让物联网开发人员能够快速将安全设备从开发环境部署到生产环境。AWS IoT Greengrass Snap 可通过 Snapcraft 获取，由 AWS IoT Greengrass 团队负责维护和发布。

随着 AWS IoT Greengrass 图像分类连接器在今年的 re:Invent 大会上推出，在边缘站点通过 AWS IoT Greengrass 使用图像分类变得比以往更加轻松。

在本文的第 1 部分，我们为回收利用设施的分类机创建了一个图像分类模型，用来识别四种饮料容器。我们使用新的 AWS IoT Greengrass Image Classification 连接器来将其部署到我们的 AWS IoT Greengrass Core 设备上。借助在今年 re:Invent 大会上发布的 AWS IoT Greengrass 连接器，IoT Greengrass Core 设备无需编写代码即可连接到第三方应用程序、本地软件和 AWS 服务。

在管理工业物联网 (IIoT) 数据时，收集这些数据并将其发送到云进行处理和高级分析（例如，预测质量或设备故障）可能具有挑战性。制造车间可能有许多不同的设备，每个设备都有自己的协议。
在这篇博文中，我们将讨论客户如何通过在边缘使用 KepServerEX 进行工业协议转换来解决工业协议挑战、将 AWS IoT Greengrass 用于边缘处理以及使用 AWS IoT 将数据摄取到 AWS。