美国能源部(DoE)旗下的阿贡国家实验室(Argonne National Laboratory)发表了一种运用于远程感测的统包式(turn-key)物联网(IoT)技术突破；这种“Waggle”概念──在芝加哥的“Array of Things”智慧城市项目中进行了两年测试──终于可以导入智能工业与政府传感器数组中。
Waggle的突破在于其“边缘运算(edge computing)”硬件与图案识别软件，能以机器学习在将现场影像及音频数据传输至云端之前进行“预处理(pre-process)”；能源部指出，由阿贡实验室打造的无线环境感测平台，是全球第一个统包式边缘运算方案，可透过传输经过识别的事件到云端、而非原始资料，而大幅减少巨量资料(Big Data)问题。
此外其子板(daughter-board)架构，允许任何一种传感器数组安装到“传感器网络边缘(sensor-net edge)”设备，因此能利用机器学习来识别几乎所有东西。
*德州大学达拉斯分校的大气科学家David Lary，介绍以整合到阿贡实验室开发之Waggle平台的空气微粒传感器，监测田纳西州Chattanooga 的空气质量
（来源：Wes Agresta，Argonne National Laboratory）*
阿贡实验室举办了为期两天的技术研讨会，吸引产官学界对Waggle平台有兴趣的50多位工程师参加，包括来自美国太空总署(NASA)、美国环保署(EPA)、Honeywell、Bosch、美国德州大学达拉斯分校(University of Texas-Dallas)，以及奥勒冈州波特兰市(Portland)的代表。
Waggle节点能以轮询(polling)或自动(automatic)模式运作(或两者同时)，让科学家们能从读取在云端纪录、预先识别的数据开始，或是实时轮询无线节点以取得目前状态的数据──可以是原始数据或是经过预先识别的。
Waggle利用传感器端的图案识别数据，而非传输到云端的原始数据，确保传输到分析性云端数据库的数据流能呈现目标对象状态
目前Waggle被运用于亚马逊丛林的森林砍伐研究，以及改善载人太空任务的空气质量，还有增进我们对环境、人类健康(例如花粉与气喘疾病之间的关联性)等研究的了解。
Waggle的机器学习功能可用以识别鸟类、汽车、自行车，或是云的各种形状以及其他环境现象，例如监测废水的流向；而因为该平台采用消费性等级传感器，也能运用于小型化的廉价超低功耗可穿戴物联网设备。
*Waggle平台内含四颗处理器，采用Linux操作系统，能混合搭配具备不同特定应用传感器的数组
（来源：Wes Agresta，Argonne National Laboratory）*
编译：Judith Cheng
本文授权编译自EE Times，版权所有，谢绝转载
关注最前沿的电子设计资讯，请关注“电子工程专辑微信公众号”。
