近期停電限電的新聞層出不窮，用電負荷高和節能減排等原因均致使了能源緊張的情況。面對這樣的挑戰，做出限電政策，自然就需要對能源用量做出精確的評估。這就是智能表計的優勢之一，解放人力，實現遠程抄表。然而智能表計的實現方式卻有異同，有的傾向于直接切換為物聯網表，有的則試圖引入AI技術。

物聯網“換”新表

在不少人看來，換成更智能的物聯網表才是打造智能抄表網絡的關鍵。目前越來越多的城市開始在公共服務領域建設物聯網，比如利用NB-IoT與云服務廠商打造智能抄表業務，水務、燃氣、電網的企業借助云+管+端的智能表來傳輸使用信息，不僅方便用戶實時查詢，也給了資源供應企業更好的管理運營手段。

過去傳統的抄表方式需要人力手動抄表，效率極低。在與NB-IoT網絡和云平臺結合后，不僅可以實現低功耗和海量連接，還能以大數據做好精細化運營，做到故障調查監控和分區壓力調節等操作，避免出現用電、用水緊張的情況。

除了NB-IoT外，基于WI-SUN這樣的協議做智能表計也已經相當常見。以Silicon Labs的EFR32FG12為例，這顆無線SoC采用了Arm Cortex M4的內核，不僅支持WI-SUN、M-BUS等通用協議，也支持專有協議。除了必不可少的低功耗特性外，EFR32FG12的1024 kB FLASH和256 kB RAM也確保了后續的OTA表計升級支持。

對于智能抄表這樣的應用來說，接入的設備量是相當大的，因此傳統的IPV4池不足以支持其大規模擴張，而WI-SUN通過支持IPV6，可以提供大量的地址資源。

AI“改裝”抄表

接入物聯網表的方式固然部署起來相對簡單，但也對設備改造提出了很高的要求，尤其是水表這樣的表計，況且當前的物聯網表也并不便宜。要想將過去機械式的表改成電子式，必須要考慮到供電和無線傳輸等問題，尤其是采用PLC技術實現的自動抄表。

隨著深度學習、云計算和芯片的發展，人工智能成了半導體各行各業追捧的技術熱點，然而由于諸多AI應用都要用到高性能芯片，所以在一些邊緣或本地化部署上，人工智能的出場率并不高。

如今不少廠商開始研究如何把AI做進低功耗的本地端，在嵌入式設備或是基于MCU等處理能力不高的設備中引入人工智能技術。通過加裝或改裝模組的方式，利用圖像傳感器攝像將圖片轉化為數字，再借助NB-IoT等無線傳輸方式發送數據，這樣的話就不需要去替換現有的設備。這些視覺識別與圖像識別的技術，都是部署在本地端的AI算法，將傳統機械表變成智能表，這種改裝的方式大幅降低了成本、提升了效率。

這種方案用到的芯片雖然算力不高，但也必須滿足簡單視覺算法的的支持。以嘉楠科技的堪智K210為例，該芯片采用了了64位的雙核RISC-V CPU，算力達到1TOPS，但功耗僅有300mW。該芯片搭載了嘉楠自研的核心神經網絡加速器KPU，方便在本地處理器機器視覺任務。嘉楠科技稱這種“無創”改造的設計，成本僅有傳統智能表計的四分之一。

然而多數廠商并沒有開發人工智能算法的能力，除了直接采用芯片廠商的識別算法方案之外，往往會直接用到其他AI廠商的方案。以百度的飛槳開發工具PaddleX為例，PaddleX首先利用目標檢測模型檢測出圖像中的標記，再使用語義分割模型將表計的指針和刻度分割，得到表計大概的數字圖像。接著對該圖像進行腐蝕，將環狀表盤展開為矩形圖像，再轉換為一維數組，并對刻度均值做二值化處理，根據指針的相對位置和預知的量程來計算標記的實際讀數。

結語

這兩種智能抄表方式均有各自的優勢，更適合對不同的場景進行調研后再確定方案。比如對于某些缺乏外掛環境、表計位于公共區域的情況，就更適合進行新表的更換，比如現在大部分電氣表計。而某些需要低成本高效率安裝或是改裝入戶困難的情況，例如室內的水表等，則更適合AI加裝的方案。

除了表計本身之外，水務和電網等供應商往往都要與云平臺合作，做好抄表數據的管理與存儲，云平臺也會協力打造基于抄表數據的智能應用，比如開發App、支持在線繳費和查詢等。而對于這些已經投入大成本進行改裝的供應商來說，這些數據未來是否有更多的增值空間，還待對商業模型的進一步挖掘，但智能抄表絕對是必行的一步。

責任編輯：haq