根據數據統計，絞痛是造就馬匹死亡的主要原因。這是一個驚人的數字，但是如果能及時發現的話，絞痛很容易治愈。對馬匹來說，這意味著生存的希望。不像人們養的小貓小狗，馬匹的活動場所是在牲口棚或者大型牧場里，即大量時間處于無人監督的狀態。NIGHTWATCH智能韁繩（和可選的安全頸圈）正是為了解決這個問題而生。

看到一篇有趣的英文文章，翻譯了全文，推薦給大家~

在大約兩年半之前，筆者對工業物聯網（IIoT）進行研究并撰寫了一篇在馬匹生長早期將相關技術應用于馬韁繩的文章，稱為NIGHTWATCH（守夜者）。令我萬萬沒想到的是，竟然有超過10萬人有興趣閱讀這篇文章。如今，總部位于美國奧斯汀的生物醫學工程&數據科學公司Protequus與工程物聯網咨詢公司NRGXP達成合作，宣布美國和加拿大將共同發布這款NIGHTWATCH智能韁繩。

當我第一次介紹NIGHTWATCH時，因為尚處于早期發展階段，所以我并沒有探究所有的技術細節，而這正是我現在要做的。我為將如此復雜大量的邊緣技術集成于這么小的一方之地內而感到無比驚訝。

下面我將介紹有關NIGHTWATCH的有趣技術細節，包括其邊緣計算能力，其如何利用機器學習，如何利用超高頻脈沖雷達以及無線通信技術。不過在這之前，讓我們先來回顧一下NIGHTWATCH的誕生原因。

圖：NIGHTWATCH能夠監測馬匹的心率、呼吸頻率、活動、位置和姿勢

AAEP(美國馬從業者協會，AmericanAssociation of Equine Practitioners)估計，在美國有超過9萬的馬匹每年都會遭受一段時期的腹絞痛。根據NIGHTWATCH的數據統計，絞痛也是造就馬匹死亡的主要原因。這是一個驚人的數字，但是如果能及時發現的話，絞痛很容易治愈。對馬匹來說，這意味著生存的希望。不像人們養的小貓小狗，馬匹的活動場所是在牲口棚或者大型牧場里，即大量時間處于無人監督的狀態。當一匹馬出現絞痛癥狀的時候，可能并沒有人在照看它們，或者即使有人在，他們也不知道如何發現它。

NIGHTWATCH智能韁繩（和可選的安全頸圈）正是為了解決這個問題而生。它能夠實時監測馬匹的生物&行為數據，并在出現早期跡象的時候就及時通過電話和短信向相關負責人報警（最多可達5人），這樣人們就可以提前介入，避免事態進一步惡化。因為該技術是“智能”的，所以它能夠學習每匹馬的獨特生理特征數據，并尋找能夠證明馬匹正在遭受痛苦（比如絞痛、分娩等）的偏差。

選擇邊緣計算

過去兩年中，“邊緣計算”的概念急劇升溫，話題討論度也越來越高，原因是隨著物聯網的發展，人們意識到并不是所有的計算在云端處理都是有意義的。和那些認為云計算應該包攬一切的非理性者相比，還有相當一部分人認為邊緣側、網關和云端同樣重要。

某些應用程序對延遲性、安全性、成本甚至容錯都有很高的要求，所以應用邊緣計算更有意義。這正是NIGHTWATCH智能韁繩所需要具備的特性，公司表示其每件設備每天需要處理超過300MB的數據。

因此，NIGHTWATCH需要找到一種方式，在有沒有無線連接的情況下，都能持續地對馬匹進行遠程監控。你可能會覺得這看上去就像是亞馬遜的Echo無法連接到WiFi或Amazon.com，但在昂貴的愛馬身上，這完全是另一件事。如果本地設備沒有計算功能，那么設備必須將收集到的數據傳輸上云，然后再進一步通知業主或者看護者，這個過程會產生延遲，并造成昂貴的電源消耗。此外，即使馬匹現在正處于沒有連接信號的區域，設備上也有像LED那樣的裝置可以報告馬匹是否正在遭受痛苦。因此，只要一個人從旁經過，他就能在沒有任何連接信號的情況下迅速評估一匹馬的總體幸福指數。

當然，也有一些數據需要上傳到云端，以提高機器學習的培訓模型并在Amazon.com AWS S3中存檔，所以該智能韁繩支持WiFi和蜂窩通訊。因為很多數據需要通過昂貴的蜂窩網絡進行傳輸，因此預處理數據是有意義的。

下面是NIGHTWATCH智能韁繩中的MCU和MPU:

NoveldaXethru超寬頻雷達—它工作在3 GHz 到10 GHz的頻率之間，傳輸原始的UWB-IR射頻信號，然后在設備上計算馬匹的心率和呼吸頻率。馬耳后的傳感器可以通過微血管系統的微小位移和身體軟組織的變化測量馬匹的心率和呼吸頻率。MCU中的原始雷達數據的速率是7KB每秒。

泰利特GNSS GPS模組—該傳感器用于確定馬的位置和計算其移動距離。

Invensense9軸加速度傳感器、指南針、陀螺儀—這用于測量馬的運動，并以每秒1KB的速度傳輸進入MCU。

TE連接式氣壓傳感器—除了9軸加速度傳感器，該傳感器能夠幫助更好的預測馬的姿勢。

所以總體來說，每匹馬每秒產生大約8KB的數據，每12小時設備要收集處理300MB的數據。

這里還有一些引人注目的處理器：

NXP半導體MCU—用于精確取樣并預測上述傳感器的數據。它運行在FreeRTOS 和Arm CMSIS軟件之上，以實現MCU和傳感器的連接。

NXP半導體I.MX6處理器（CPU）—基于來自MCU的預處理數據進行實時模糊邏輯機器學習推理算法以計算EDI（馬匹痛苦指數）。CPU運行在定制化的Linux操作系統和為線性代數算法、頻率分析、評價方程、對象關系映射和模糊邏輯而設的軟件上。

美光科技4GB eMMC—在AWS S3存檔之前儲存運動數據。

德州儀器和NXP半導體PMIC—用于管理和優化系統，使得電池壽命最大化

Maxim集成式袖珍電流計—用戶可以借此估計當前的電池容量。

隨著時間的推移，NIGHTWATCH能夠優化算法來減少耗電，使得電池壽命超出夜間續航的規定（12-16小時）。一旦算法被完全優化，公司可以換用FPGA和ASIC。這聽起來是不是很像許多其它龍頭公司在思考有關邊緣計算的問題？絕對是的！

算法和機器學習

NIGHTWATCH使用MathWorks 公司的MATLAB來進行原型機器學習訓練，并使用設備內置算法（hand-converted/optimized to C）來預測馬匹的痛苦程度。

訓練模型上創建了一個本地集群。公司表示，它們將AWS S3和韁繩上本地儲存的數據進行同步以訓練模型，然后再將其上傳至S3供本地設備下載。在大約2周的訓練過程中，模型需要超過16GB RAM的數據。NIGHTWATCH并沒有基于AWS進行模型學習，因為公司更傾向于在選擇合適的云計算基礎設施之前，完整的理解內存、CPU和GPU需求。如有必要，NIGHTWATCH未來還可能基于Amazon.com AWS，谷歌GCP，或微軟 Azure進行云端訓練。

NIGHTWATCH可以通過智能手機、平板電腦和個人電腦來進行管理

NIGHTWATCH可以通過智能手機、平板電腦和個人電腦來進行管理。

出于實用主義的目的，NIGHTWATCH選擇了MATLAB，高斯混合模型（GMM）和期望最大化（EMM）算法——因為該項目始于2014年，那時包括Tensorflow， Caffe和Torch在內的框架并不可用。再加上NIGHTWATCH相信很多人使用的編程語言和多個第三方庫并不適用于資源約束型底層嵌入式處理器。

無線技術

雖然NIGHTWATCH智能韁繩是一種特殊的邊緣計算IIoT案例，但這并不意味著它就不需要領先的無線解決方案。而且因為馬韁形狀的特殊性和較小的面積，使得這一切變得更加困難。

下面是韁繩中使用的無線技術：

NoveldaXethru UWB-IR 和定制天線—工作在3000MHz到10000MHz之間，用于檢測馬的心率和呼吸頻率。

泰利特通信GPS模塊和Antenova天線—工作在1559MHz到1609MHz之間，GPS天線被用于確定韁繩的位置以及更好的確定馬匹的運動。

德州儀器WIFI芯片和TDK公司天線—工作在5000MHz到2400MHz之間，使得韁繩能夠與WiFi路由器連接，便于報警和數據上傳。

泰利特通信PLC蜂窩調制解調器和Antenova天線—工作在824MHz到960MHz以及1710MHz到2170MHz之間，使得韁繩能夠連接到3G運營商網絡，便于報警和數據上傳。

像WiFi、蜂窩網絡和藍牙這樣的通信協議眾所周知，但是卻幾乎沒有人知道UWB-IR。設計NIGHTWATCH的工程師吐槽，大多數測試實驗室甚至沒有合適的設備來測試他們的產品，他們同樣不理解該用例和測試需求，甚至必須打破一些常規。手機是一回事，但專為馬匹設計并且需要使用UWB-IR的物聯網設備完全是另外一回事。

這款NIGHTWATCH智能韁繩已經通過了FCC, IC 和 PTCRB的認證，而且于2017年秋季通過了IEC-60950安全測試。該公司表示，從2018年4月26日開始，美國和加拿大的馬匹就能享受這種服務了。

邊緣計算雖好，但云依然重要

盡管NIGHTWATCH是一個典型的邊緣計算案例，但它仍然使用公有云來執行各種任務。公司使用Amazon.com AWS S3:

用戶登錄和安全

網頁用戶界面展示和后端數據庫

向所有者和看護者發送警報

對原始的生物&行為數據、日志和機器學習模型進行儲存和歸檔

向韁繩下發新的推理機器學習算法

結束

NIGHTWATCH是我目前研究過的最復雜的一種專為動物設計的物聯網設備，也是我所見過的最復雜的物聯網設備之一。希望通過這篇文章，你能理解為什么我會覺得NIGHTWATCH智能韁繩是一個偉大的IIoT邊緣計算案例。對于那些對延遲性、網絡彈性和蜂窩網絡成本要求較高的用例來說，在邊緣側收集數據更有意義。