洩漏檢測產業正在不斷演進。
多年來，監測系統主要著重於資料的蒐集與傳輸。感測器會偵測濕度、測量環境條件，並在超過預設閾值時發出警報。
該模式有助於提升能見度，但僅靠能見度已不再足夠。
客戶越來越期望監控系統能更早發現問題、減少誤報、延長電池壽命，並提供可付諸行動的洞見，而非僅是原始數據。要滿足這些期望，邊緣裝置必須具備更高層次的智慧。
因此，用於智慧洩漏檢測系統的下一代邊緣人工智慧，正從「感測與通報」轉向「感測、理解與預測」。
為何更多資料並非解決之道
現代監控系統的部署會產生海量的資訊。
濕度感測器、環境感測器、振動感測器以及設備監測器會持續蒐集有關運作狀況的數據。然而，這些測量結果絕大多數僅是確認一切運作正常罷了。
真正的挑戰在於辨識出那些預示著某種變化正在開始的、數量極少的徵兆。
從歷史上看，監控系統向來採用一種常見的架構：
感知 → 傳輸 → 分析 → 回應
隨著部署規模擴大，這種做法的效率也日益降低。傳輸大量感測器資料不僅會消耗能源、增加通訊成本，更會使系統對雲端基礎設施的依賴程度加深。
更重要的是，這會延遲數據能夠轉化為可執行行動的時點。
邊緣 AI 引入了一種不同的模型。
透過在裝置上直接進行異常偵測與決策，智慧感測器能在資訊離開終端之前，便能判斷哪些資訊至關重要。
其結果是形成了一種更高效的架構：
感知 → 理解 → 決策 → 溝通
裝置不會傳輸所有資料，而是僅傳輸有意義的事件。
從閾值到智慧
傳統的洩漏檢測系統通常是根據固定閾值來設計的。一旦偵測到水，系統便會發出警報，操作人員隨即採取應對措施。
然而，許多故障早在肉眼可見水分出現之前便已開始。
在洩漏現象顯現之前，環境往往會出現細微的變化、濕度模式的轉變以及異常的運作狀況。若採用傳統的基於規則的方法，這些徵兆往往難以被偵測到。
邊緣 AI 使我們能夠採取不同的策略。
透過了解正常狀態的樣貌，監控系統便能識別異常情況，並辨識可能預示問題正在發生的模式。智慧型裝置無需等待數值超過閾值，便能更早地察覺變化，並針對當前狀況提供更詳盡的背景資訊。
對於洩漏檢測解決方案的開發者而言，這為提升檢測準確度、減少誤報，並為客戶創造更大價值，提供了契機。
功率限制
儘管邊緣 AI 的優勢極具吸引力，但在感測器端實現智慧化卻帶來了重大的工程挑戰。
力量。
許多洩漏檢測裝置採用電池供電，且部署於難以頻繁進行維護的地點。客戶通常期望這些裝置能在持續監測環境狀況的同時，維持運作長達數年之久。
與此同時，在本地執行機器學習演算法會增加運算需求。
為了讓邊緣 AI 能在大規模部署中擴展，智慧監控必須在極為有限的能源預算內運作。
隨著裝置製造商致力於為其產品增添更先進的分析功能、異常偵測能力以及全天候監控能力，這項挑戰正變得日益重要。
為何超低功耗邊緣 AI 至關重要
人工智慧、感測技術及半導體設計領域的最新進展，使得將實質性的智慧直接融入電池供電裝置成為可能。
過去需要雲端基礎架構才能執行的任務，現在可以在終端裝置上運行，使感測器能夠在本地端分析資料並即時做出反應。
能否高效地做到這一點，將是定義下一代智慧感測產品的關鍵。
這正是Ambiq 的超低功耗系統單晶片（SoC）所設計用以解決的挑戰。
基於 Ambiq 專有的「亞閾值功耗優化技術」（SPOT®），Apollo510 等裝置能在極為有限的功耗預算下，實現持續運作的感測、訊號處理及裝置端 AI 推論功能。
對於開發洩漏偵測系統及其他智慧監測解決方案的開發人員而言，這使得一類全新的電池供電裝置成為可能，此類裝置能夠持續監測狀態、在本地分析數據，並僅在發生重要事件時才進行通訊。
減少無線傳輸不僅能節省能源，還能提升可擴展性、反應速度及營運效率。
新一代監測系統
洩漏檢測的未來，不會取決於部署的感測器數量。
這將取決於其內建的智慧。
隨著邊緣人工智慧（Edge AI）持續成熟，監控系統將越來越能辨識故障發生前的徵兆，更早地偵測異常狀況，並協助客戶在損害發生前採取行動。
在下一代智慧感測領域中，能夠將精準偵測、長效電池壽命與即時決策整合於單一平台的公司，將成為業界的領導者。
要實現這一點，需要感測器具備智慧功能。
而且，這越來越需要超低功耗的邊緣 AI。
參考資料
1NAIOP，《管理水災風險需兼顧規劃與謹慎》，引自蘇黎世北美公司的研究：https://www.naiop.org/research-and-publications/magazine/2022/winter-2022/development-ownership/managing-water-damage-risk-involves-planning-diligence/
