物联网这个词在人们耳中变得越来越熟悉，你在刷视频的时候就能不经意间接触到这个词汇，但人们对物联网的了解其实又是很少的，毕竟这是一个新兴的事物，所以在这里就和大家聊一下这个物联网。

　　PLC是应用单片机构成的比较成熟的控制系统，是已经调试成熟稳定的单片机应用系统的产品。有较强的通用性，常被用于工业控制上。

　　而单片机可以构成各种各样的应用系统，使用范围更广。单就“单片机”而言，它只是一种集成电路，还必须与其它元器件及软件构成系统才能应用。

　　例如红外感应照明夜灯，当人经过时，红外接收器得到的光路信息发生了明显改变，这一输入信号经过逻辑运算判断后会生成一个开关信号输入到二极管，进而对LED按照设定的几十秒时间持续通电点亮，单片机内置的程序会开启计时，几十秒持续完毕时则断开对LED的供电，此时完成一个完整的程序过程，进入到下一个循环，继续判断是否存在光路的变化。

　　这就是一个简单的智能设备，开关灯的整个过程都是自动反应完成的，完全不需要人的主动操作介入，注意，是主动操作介入，事实上这类智能设备依然是需要人的主动介入的，只不过省去了操作的过程，也就是只有当人触发到智能设备的传感器后才能执行相应的操作，当然这类设备也会存在误触发的情况，比如小狗通过时也会自动开灯。

　　所以，严格来说这种智能设备可以看做是机械反应的升级，只不过传统的机械设备是严格遵循牛顿力学而让机械机构反应的，而这类新型的设备则是严格遵循经典物理学而让电子与电气系统反应的。

　　这种严格的确定的无意识形态的和无法主动避免错误的随环境变量主动反应的过程都可以看做是机械反应过程。

　　这样简单的智能设备目前已经大量存在，得益于过去半个世纪基完美体育础工业的积累，很多类似的想法都可以在工程技术上得以实现。

　　例如，打造一台自动加热的座椅，比如您办公室的座椅，在这个座椅的包裹层下面内嵌压力传感器，压力传感器可用力敏电阻替代，关于力敏电阻等更多元器件，这得益于过去几十年半导体技术这样的基础工业的发展，才能让这样的想法得以轻松实现，有了压力传感器，当您坐在椅子上的时候，压力传感器采集到的电信号会发生明显的变化，这个信号会输入到单片机里通过内置的程序进行逻辑运算判断，然后给出一个输出信号，这个输出信号会进入到内嵌在包裹层下面的加热器上，加热器可采用电热丝制成的柔性电热片替代，从而实现自动加热，加热到你设定的41度时，多点分布的热传感器会将采集到的数值输入单片机计算得出平均值，然后进行逻辑判断，进而控制加热器是否继续通电，当您离开座椅的时候，压力传感器得到的压力数值明显下降，这个信号输入到单片机里就会让加热器立即断电，从而实现整个过程座椅自动加热与停止加热，完全不需要人去进行主动开关的操作，对于频繁离开与再次坐下的人来说完美体育，这样的智能设备不仅能基于很大的方便，还能完成节能减排的效果。

　　对了，这样的智能设备还需要一个重要的单元，那就是电源，这个电源可以是有线接入的，也可以是内置高能电池的，当然了现在不存在真正意义的高能电池，所以只能使用锂电池，对于高功率设备，充电就会显得很麻烦，只适用于低功率设备。

　　需要再次强调，这样的智能设备依然是属于机械反应的，其它情况也可能会触发这些设备的自动反应，例如，你家的二哈趴了上去，座椅也会自动加热，因为二哈和你的体重差别不大，不足以被压力传感器精确区别，或者是有一个和你体重差不多的包裹被不知情的人放在了座椅上面也会触发它自动加热，好在40度左右的加热温度带来意外危险的可能性是很低的，和红外感应小夜灯一样，它们的自动反应即便被误触发，也不会造成什么危险，所以，这类智能设备还是具有比较高的安全性的。

　　大概介绍了一下智能设备后，小伙伴们对智能设备应该有一个粗略的概念了，这样的智能设备在我们的日常生活中已经有过大量的接触了，比如酒店里的自动门、比如单位或小区里的车辆门禁系统、比如商城里的自动消防系统、动车上的烟雾自动报警器、门店里的防盗报警系统、以及火车站候车厅里的自动按摩椅等等，它们都属于这类智能设备。

　　判别智能设备智能程度的高低，主要从设备的表达值去区别，表达值越简单智能程度就越低，表达值越复杂智能程度就越高，凡事都不是绝对的，有时候还要参考环境变量的复杂程度，只不过主要看设备的表达值就行了。

　　例如那个红外感应小夜灯，它的表达值就是0和1这个数组，代表关闭状态和开启状态，当然了它的环境变量包括了环境光的明暗程度和环境光路的变化，但这种识别并不复杂，一个光敏电阻和一个红外感应装置就实现了。同理，那个自动加热座椅和酒店的自动门都是这样，表达值就是数组0和1。

　　再高级一点的，比如那个车辆门禁系统，首先输入的信息会排除掉其它无关的图像信号，什么小狗在面晃，电瓶车停在前面都不会触发它自动反应，只有当汽车的车牌进入到它的扫视区时，输入的图像信息会采用图像识别技术自动提取到图像中的数字编码，然后与数据库预存的数字编码对比，只有当逻辑判断确认数据库中存在该数字编码时，才会自动反应。此时的表达值不单纯是数组0和1，而是N个0和1的数组集合，N代表预存在数据库中的车牌号数量。

　　这个门禁系统最关键的自动化部分是图像识别技术的运用，同理，当我们使用智能手机扫描各种二维码时，也是采用了图像识别技术，此时的表达值是N个数值1，代表只对N个二维码自动反应打开页面。

　　更高级一点的，比如完全自主飞行的无人机，只需要给它输入任务参数，比如，需要飞往的目标区域，以及我们想要的预设航拍效果，其它操作层面的指令全部由机器自主去完成，自主规划飞行路径，自动躲避障碍物，自动调控飞行姿态等等，遥控手柄和操作台，不需要了。

　　这样的无人机还可以在复杂的树林里自主飞行，自动化完成森林防火巡视任务，红外成像仪探测到火情，或者探测到存在潜在风险的红外特征区域时，就自动把前方发现的情况向后方通报，以便及时采取准确的响应措施。

　　这样的智能设备，其智能程度就很高级了，其环境变量是非常复杂多变的，每一个不同的复合环境变量特征，设备基本都可以采取一种以上的有效响应措施，那么它的表达值就是N1*N2*N3，其中N1代表可能存在的复合环境变量的组数，N2代表每一个复合环境变量合集下所包含的子集数量，N3代表设备最终采取了多少种响应措施。

　　通常可以认为，N1是一个自然数集，N2中的合集重复出现的概率是很低的，N3则相对比较确定一点，但是它依然可能是大量的排列组合构成。

　　如果我们把人看成是一台智能设备的话，在我们行走的过程中，周围的环境是实时变化的，这就代表N1，其中每一个变化的周围环境，我们都可以获取到复杂的图像信息阵列，和包含不同频谱和音色的声音信息阵列，以及嗅觉信息，温度湿度信息，触感信息等，这个复合环境变量的合集就代表N2，根据周围环境的变化，我们可能会采取是否继续前进，前进方向以及速度，是行走还是跳跃，还是攀爬，是否借用工具辅助，是否重新扫视周围环境确立新的路线，这一系列响应措施的组合就代表N3。

　　可以想象人给出的表达值N1*N2*N3会是一个多么庞大而复杂的数组，就可预见的未来而言，不存在任何智能设备的智能程度会超过人类，毕竟，人类是地球上几十亿年来进化出的最智能的产物，想凭几十年就超越人类几十亿年的进化是不可能的。

　　现阶段，工程上追求的智能设备是能够自动完成操作层面规划并自动执行相应操作的全自动设备。

　　比如，数控机床，通常我们需要手动编程，设定钻头在什么时刻更换什么钻头，什么时刻保持多高的转速，什么时刻移动到坐标系中的某一点去，以及移动的连续过程和分段路径都需要我们去手动编程去定义，这种编程属于直接面向于机器的动作响应操作指令。为了让数控机床成为一台比较高级的智能设备，这个手动编程就需要直接省掉了，让机器自己去干，也就是让机器自己去编程。

　　为了实现让机器自动编写操作层面的指令，就必须得让机器学会操作层面指令的编写规则，这里就需要运用到大数据技术，机器深度学习，人工智能响应，以及关于数控方面的专业知识，首先是要将人工的这些操作记录下来，采集足够多的样本录入数据库让机器后期可识别，其次将数控专业知识编写成工业控制程序，从顶层去指导机器去如何编写操作层面的指令。这一步才是最难的，和我们常听说的开发美团APP和短视频APP这种应用软件不一样，开发这种自动化控制软件更像是开发EDA这种工业软件，它涉及到跨学科，不仅需要顶级的程序员，还需要数学家，物理学家，资深数控工程师的深度合作才能协同完成。

　　在实现了全自动化过后，现在同样是给出一个圆柱体金属构件放在工台上，然后将轴承的三维建模信息导入到数控机床，启动自动加工程序后，机器识别圆柱体构件的三维信息，与导入的轴承建模信息对比，按照数控的加工原则，自我判断该使用什么样的钻头和刀具，采用多高的转速合适，以及自动规划钻头的移动路径，最终自动加工出我们所需的轴承，整个过程完美体育不需要人工去编程去设定参数，一切由机器自动化完成。

　　这里先解释一下，效应器是出自于生物学上的概念，这里为了方便描述就沿用了这个词汇，名词只是对事物的一种表述方式，同一种事物会存在多种不同的表述和命名方式，不同的命名方式则是出于不同的思维角度看待同一事物，就像“机场”与“空港”虽然字面上完全不一样，但却是命名的同一个事物，但是它们表述的方式和思维角度是不一样的，机场侧重于飞机停留的场地这种物理空间概念，而空港则侧重于航空器驻留港口基地这种维护保障功能概念。

　　对于物联网这样的一种新兴事物，很多东西目前可能并不存在，为了描述它，所以你可能会听到很多乱七八糟不曾见过的词汇，最关键的是你可能会听到一堆不标准不统一的命名，对于强迫症来说，这确实很难受，那么就请选择性忽略掉这些乱七八糟的词汇吧。

　　感应器是用于采集特定环境变量的，只有精确而可靠的采集到需要的尽可能多的综合环境变量，才能对环境的变化做出准确的判断和反应。

　　而效应器则是用于设备对环境变化做出相应表达的，智能设备给人最终的体验则完全依靠于这种设备的对外表达，基于场景的需求，我们可以开发出各种各样的智能设备去实现我们所需要得到的各种各样的表达。

　　例如，抛开对潜在安全问题的考虑，我们完全可以解禁智能手机上的人脸识别系统，让它一直处于工作状态，而不是必须得我们按下手机上的锁屏键才能启动人脸识别，进而实时扫描周围环境是否存在符合手机里预存的面部信息，在未感知到指定的面部信息前，手机屏幕则处于关闭状态，一旦手机的主人出现在人脸识别扫描的范围内，手机则自动点亮屏幕。

　　在这里，手机屏幕就是效应器，屏幕展现的内容就是设备的对外表达，而我们的体验则来自于屏幕本身的画质效果及画质内容。

　　智能手机作为一种高级而成熟的智能设备，不只是拥有全面屏这种效应器，还有听筒和扬声器，以及闪光灯，闪光灯这种效应器被解禁后具备了手电筒的功能。

　　将效应器推广，想象一下，我们还需要更多的效应器，例如大疆无人机这种智能设备可以搭载喷雾装置，实施自动农药喷洒作业，或者搭载喷火装置轻松端掉危险的马蜂窝，或者搭载干粉灭火器实施高层公寓楼灭火，或者搭载高功率超声波驱逐器驱逐目标区域的大型动物，或者搭载高功率照明灯提供高空对地照明，或者搭载激光指示器飞往危险区域为其它设备提供激光制导。

　　以上效应器，目前有一部分已经处于使用阶段了，但是，目前它们较大层度上需要人工操作介入，为了让效应器随环境变量自动化对外表达，则需要感应器做支撑，而感应器则是由大量的传感器构成。

　　例如农药喷洒型无人机需要4k摄像机采集到实时的高清图象结合深度机器学习技术对图象自动识别找出问题，确定哪些区域需要重点喷洒，从而自动化对分布式小农场实施精准农药喷洒作业。

　　而喷火型无人机，则需要摄像机结合图象识别技术自动识别锁定马蜂窝，以及超声波雷达判断与马蜂窝的距离，包括在复杂的树林里自动飞行智能设备资讯，需要依托超声波雷达采集到环境的三维信息结合人工智能自动规划飞行路径，以及搭载一台红外成像仪快速捕捉到周围蜂群的红外特征，把危险性更高的蜂群给喷掉，除了对系统设定作业区域外，其它过程全部自动化完成。

　　对于灭火型无人机则搭载红外成像仪快速寻找到火区并根据红外特征结合灭火大数据快速规划出最有效快速的具有针对性的灭火作业方式，这种灭火可以释放出多个无人机分布式多点同时自动化作业。

　　对于超声驱逐型无人机，则搭载摄像机和红外成像仪识别与锁定地面上的大型动物，根据图象特征和任务要求完美体育，对具有指定图象特征的大型动物实施超声波驱逐。

　　对于照明型无人机，则搭载摄像机、红外成像仪或者激光雷达，摄像机主要用于开启照明后实时传回图象用的，在开启照明之前，无人机要飞到指定区域去，则需要靠激光雷达识别到地形环境，自动规划飞行路径，避免撞向山体或其它建筑物等，到达指定区域开启红外成像搜寻指定红外特征的目标完美体育，然后开启空对地照明，传回图象，为营救人员或其它作业人员方便实施作业。

　　对于激光指示型无人机，则搭载摄像机和红外成像仪等，飞往目标区域附近自动搜索识别目标，然后开启激光指示，为其它设备提供激光制导。

　　重点介绍完感应器和效应器后，需要说明的是，智能设备至少要由四个单元构成。

　　在此基础上，智能设备通常可能还需要加入通信模块，在具备较强的通信传输能力后，智能设备可以和后方取得实时联系，这是其一；其二，通常智能设备上搭载的处理器性能是非常有限的，很多时候需要依托强大的计算资源才能完成一些所需运算，因此，通信模块可以保证智能设备获取到云计算资源，从而轻松完成一些图象识别，规划路径、作业动作的拟定等复杂的计算过程；其三，可以实现设备与设备之完美体育间的机器间交流，去共享各自感应器采集到的信息，并平行指挥各自的效应器执行指定动作，从而协同完成一件规模庞大而复杂的作业任务。

　　例如车联网时代下的自动驾驶与物流运输，工业互联网时代下的工厂设备协同制造加工。

　　其中智能设备上的感应器和效应器属于那个目前还没有被建立起来的庞大系统的输入设备和输出设备，在未来，这个输入设备和输出设备将遍布全球各个角落，充斥于生产和生活中的方方面面，它会对目前已有的机器和设备，和目前未知的各种物件统一互联起来，创造出人类有史以来规模最为庞大复杂的机器体系。

　　这个机器体系，它需要至少5G及以上的通信标准才能支撑起这样庞大的系统正常运行，这个庞大的系统就是物联网。