Tata Elxsi 如何在 AWS 上数秒内检测工业安全风险

英文原标题：How Tata Elxsi detects industrial safety risks in seconds on AWS

本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗

• Tata Elxsi 在 AWS 上构建了 IRIS 实时工业安全平台，旨在将工业安全风险检测时间从分钟级缩短到秒级。
• IRIS 采用无服务器、事件驱动的架构：边缘端使用 AWS IoT Greengrass 和 GPU 服务器进行帧提取和初步过滤，仅将安全相关帧和结构化元数据上传至云端。
• 云端使用 Amazon Kinesis Data Streams 作为事件骨干，Amazon SageMaker AI 部署自定义计算机视觉模型，分别处理 PPE 合规、禁区监控、工人安全分析和车辆接近等场景。
• 边缘过滤可减少约 70-80% 发送到云的帧量；事件流持续吞吐量为每秒 2,000-5,000 个事件，突发可达约 15,000 个；事件摄取延迟 p95 低于 200 毫秒。
• 推理端点使用 ml.g5.xlarge 实例，每个端点每秒处理约 40-60 个推理请求，每帧推理延迟 p95 低于 300 毫秒。

关键数据

• 检测不安全条件通常需要 15–45 分钟
• 边缘过滤减少约 70–80% 的帧上传
• 事件流持续吞吐量 2,000–5,000 事件/秒，突发约 15,000 事件/秒
• 事件摄取延迟 p95 低于 200 毫秒
• 每个 ml.g5.xlarge 端点处理约 40-60 推理请求/秒
• 每帧推理延迟 p95 低于 300 毫秒

为什么值得看：该案例展示了如何利用 AWS 无服务器和边缘计算架构，在不传输原始视频的情况下实现实时工业安全风险检测，为类似场景提供了可复用的蓝图。