一、单选题
-
在人工智能端侧设备中，将计算任务从云端迁移到靠近数据源的设备上进行处理，主要体现了哪种技术？ (
答案：C )A. 云计算
B. 分布式计算
C. 边缘计算
D. 并行计算
-
以下哪项不属于人工智能端侧设备的主要特点？ (
答案：C )A. 实时性强
B. 数据流量低
C. 依赖持续云端连接
D. 安全性高
-
在Linux系统中，用于显示当前工作目录的命令是？ (
答案：C )A. cd
B. ls
C. pwd
D. mkdir
-
以下哪个操作系统是百度推出的面向语音交互的AI操作系统？ (
答案：C )A. AliOS-Things
B. Ubuntu
C. DuerOS
D. Android
-
在智能端侧设备开发中，若需查看系统内存使用情况，应使用以下哪个命令？ (
答案：B )A. df -h
B. free -h
C. uptime
D. ifconfig
-
以下哪项属于PaddlePaddle生态中用于图像分类的模型库？ (
答案：C )A. PaddleDetection
B. PaddleSeg
C. PaddleClas
D. PaddleOCR
-
在OpenCV中，将BGR图像转换为灰度图的正确函数调用是？ (
答案：A )A. cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
B. cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY)
C. cv2.gray(frame)
D. cv2.toGray(frame)
-
以下哪个框架是专为移动端和嵌入式设备优化的轻量级深度学习推理引擎？ (
答案：C )A. TensorFlow
B. PyTorch
C. MNN
D. Scikit-learn
二、多选题
-
在人工智能端侧设备中，以下哪些属于其典型应用场景？ (
答案：A, B, D )A. 智能工业质检
B. 智慧零售
C. 云计算中心调度
D. 智能机器人
-
关于Linux系统常用命令，以下说法正确的有？ (
答案：A, B, D )A. pwd用于显示当前工作目录
B. free -h可查看内存使用情况
C. del是删除文件的标准命令
D. df -h用于查看磁盘空间使用情况
-
下列哪些是PaddlePaddle生态中的模型库？(
答案：A, B, C )A. PaddleClas
B. PaddleDetection
C. PaddleSeg
D. OpenCV
-
人工智能端侧设备面临的主要挑战包括？ (
答案：A, B )A. 精确性与实时性之间的矛盾
B. 服务质量与隐私保护的平衡
C. 无法连接互联网
D. 缺乏操作系统支持
-
以下哪些属于数据预处理中常见的操作？ (
答案：A, B, C, D )A. 缺失值填充
B. 图像灰度化
C. 删除重复值
D. 异常值检测
三、判断题
-
边缘计算将数据处理任务尽可能靠近数据源执行，以降低延迟。 (
答案：√ ) -
DuerOS是由阿里巴巴开发的嵌入式物联网操作系统。 (
答案：× ) -
在Linux中，rm -r命令可用于递归删除目录及其内容。 (
答案：√ ) -
人工智能端侧设备必须始终连接云端才能正常工作。 (
答案：× ) -
PaddleOCR仅支持中文文本识别，不支持其他语言。 (
答案：× ) -
使用df -h命令可以查看系统内存使用情况。 (
答案：× ) -
OpenCV中cv2.imread()默认以BGR格式读取彩色图像。 (
答案：√ ) -
AliOS-Things支持C和JavaScript等多种语言开发。 (
答案：√ ) -
边缘智能设备因资源受限，通常无法运行深度学习模型。 (
答案：× ) -
jtop是专用于监控Jetson设备硬件资源的工具。 (
答案：√ )
四、填空题
-
在Linux系统中，查看当前目录下所有文件（包括隐藏文件）的命令是
答案：ls -a 。 -
OpenCV中用于读取图像的函数是
答案：cv2.imread() 。 -
人工智能端侧设备将计算任务从云端迁移到靠近数据源的位置，这种技术称为
答案：边缘计算 。 -
PaddlePaddle生态中用于目标检测的模型库是
答案：PaddleDetection 。 -
在Jetson设备上监控GPU、CPU和内存使用情况的工具是
答案：jtop 。 -
Linux系统中用于创建新目录的命令是
答案：mkdir 。 -
设置定时任务的命令工具是
答案：crontab 。 -
在OpenCV中，将BGR图像转换为RGB格式通常使用
答案：cv2.cvtColor() 函数。 -
阿里推出的轻量级嵌入式物联网操作系统是
答案：AliOS-Things 。 -
查看磁盘空间使用情况的Linux命令是
答案：df -h 。
五、简答题
1. 请简述人工智能端侧设备的主要特点及其优势。
答：① 实时性强，本地处理减少网络延迟；② 安全性高，敏感数据可在设备端处理，降低泄露风险；③ 数据流量低，仅上传必要结果而非原始数据；④ 支持离线运行，不依赖持续云端连接；⑤ 减轻云端负载，提升整体系统效率。
2. 请说明在Linux系统中进行端侧设备运维时常用的5个命令及其作用。
答：① pwd：显示当前工作目录路径；② ls -a：列出目录下所有文件（含隐藏文件）；③ free -h：以易读单位查看内存使用情况；④ df -h：查看磁盘空间使用情况；⑤ crontab -e：编辑定时任务，用于自动化维护脚本。
六、论述题
1：智慧零售中的实时个性化推荐
背景描述：
某大型连锁便利店计划在全国数千家门店部署“智能货架”系统，通过摄像头和传感器实时识别顾客行为（如驻足时间、拿起商品、放回动作等），并在店内数字屏上动态推送个性化优惠信息。然而，若将所有视频数据上传至云端处理，不仅网络带宽成本极高，还存在用户隐私泄露风险，且响应延迟难以满足“即时推荐”的体验要求。
问题：
请设计一个基于边缘智能计算的解决方案，实现在保障用户隐私和控制成本的前提下，提供低延迟、高准确率的个性化推荐服务。
答题要求：
请从边缘-云协同架构、轻量化本地AI模型、隐私优先的数据处理、事件驱动的推理机制和动态资源调度与可扩展性等角度，总结你的方案为五个要点。
答：
参考答案（五个要点）：
l 边缘-云协同架构：在门店部署边缘服务器（如NVIDIA Jetson或定制AI盒子），负责视频流的实时分析与推荐生成；仅将脱敏后的统计特征（非原始图像）上传云端用于模型更新和全局策略优化。
l 轻量化本地AI模型：采用模型剪枝、量化和知识蒸馏技术，部署小型化的行为识别与推荐模型（如MobileNet + 轻量级Transformer），满足边缘设备算力限制。
l 隐私优先的数据处理：在边缘端完成人脸模糊化或匿名化处理，确保原始生物特征不离开门店；使用联邦学习机制，在不共享用户数据的前提下协同优化推荐模型。
l 事件驱动的推理机制：仅在检测到顾客驻足或交互行为时触发AI推理，避免持续全帧处理，显著降低功耗与计算负载。
l 动态资源调度与可扩展性：通过容器化（如Docker + Kubernetes Edge）实现多门店统一管理；支持按客流高峰动态分配计算资源，便于全国规模化部署。
2：工业预测性维护中的异构设备协同
背景描述：
一家重型机械制造企业希望为其遍布全球的数百台高价值设备（如风力发电机、数控机床）部署预测性维护系统。这些设备来自不同厂商，搭载的传感器类型、通信协议和计算能力差异巨大。部分设备位于偏远地区，网络连接不稳定。企业希望在不更换现有硬件的前提下，实现故障早期预警，并将关键警报实时传回总部。
问题：
如何利用边缘智能计算构建一个兼容性强、鲁棒性高的预测性维护系统？请说明如何在资源受限、网络不稳定的边缘节点上实现有效的智能推理与协同。
答题要求：
请从分层边缘智能架构、模型自适应与轻量化、异构数据标准化中间件、带宽感知通信策略和离线容错与模型缓存机制五个方面，总结你的解决方案。
答案：
参考答案（五个要点）：
-
分层边缘智能架构：构建”设备端-区域边缘网关-云中心”三级架构，设备端做简单特征提取，区域网关聚合多设备数据并运行统一故障诊断模型。
-
模型自适应与轻量化：采用神经网络架构搜索（NAS）或TinyML技术，为不同算力设备生成定制化子模型；支持ONNX等通用格式实现跨平台部署。
-
异构数据标准化中间件：在边缘网关部署协议转换与数据对齐模块（如基于Apache NiFi或EdgeX Foundry），统一Modbus、CAN、OPC UA等工业协议。
-
带宽感知通信策略：正常状态仅上传摘要指标（如振动频谱峰值）；异常发生时才触发高精度数据回传，结合LoRa/5G切片保障关键警报优先传输。
-
离线容错与模型缓存机制：在网络中断时，边缘节点仍可基于缓存模型进行本地推理；恢复连接后自动同步日志与模型更新，确保系统鲁棒性。
部分信息可能已经过时