物联网技术在各行业的数字化转型中发挥着关键作用。通过实时数据采集、传输和分析等技术，让工业制造、汽车出行、能源电力等行业得以实现设备间的智能互联与实时监测，从而加强不同区域的资源协同与利用。此外，物联网技术还为 AI 等新技术提供了更为丰富、优质的数据基础，推动整个产业的科技变革。
EMQ 与 Intel 在去年九月启动了第二届物联网案例大赛，本次大赛面向企业客户与个人开发者开放，征集应用案例。报名的参赛者有机会申请使用 Intel 最新推出的开发套件爱克斯开发板(AIxBoard)、Intel 的工业边缘洞见平台(EII)以及 EMQ 的云边端系列产品 (MQTT 物联网数据接入平台 EMQX，工业边缘网关软件 NeuronEX 以及工业互联数据平台 EMQX ECP 等)。
近日，大赛已圆满结束，评审团根据提交案例的商业价值、技术创新和用户体验等方面评选出获奖名单。现正式公布本次大赛第二阶段的获奖名单及其案例概述。
获奖名单
获奖案例分享
企业赛道
上海研博数据信息技术有限公司
项目名称： 工业物联网统一接入系统
获奖理由：
上海研博数据致力于为工业制造领域的数字化转型提供数据采集、汇聚与分析的整体解决方案及应用。研博数据利用 NeuronEX 与 EMQX 研发了工业物联网统一接入系统。在智慧水务领域，通过青岛水务集团物联网统一接入系统一期项目，打造了全国首个水务行业涵盖“供、排、环、固、海淡”的全产业链生产数据中台。
该系统能够向下实现海量的多源设备、异构系统数据的采集、交互、传输、控制及应用，向上为工业数据模型和工业应用提供数据服务。系统是具备高可用、高并发、低时延设备接入能力的城市级物联感知平台。系统能够解决企业在数字化转型中面临的数据难以统一化、规范化、持续化接入的问题，同时也降低了数据接入的成本。
常州皓鸣信息科技有限公司
项目名称： 南通 IoT 数采平台项目
获奖理由：
常州皓鸣作为中天钢铁旗下的信息化公司，负责建设智慧工厂。该项目的核心任务是解决工厂海量数据的实时采集、处理和存储问题。
项目采用了基于边缘计算的云边协同架构。在边缘侧，利用 NeuronEX 统一采集和分析异构设备数据。在云端，EMQX 承接了海量工业数据的实时汇入、存储和处理，为工厂打造了高性能、高可用数据基座。
淮安市港航事业发展中心
项目名称： 基于物联网的航标遥测遥控应用
获奖理由：
项目利用云边协同架构和 MQTT 平台，实现了对航标的实时监测和远程控制。包括利用大屏地图在线展示和控制航标状态，以及通过移动端进行巡检和检测航标。通过这种方式，项目不仅增强了实时性、还提高了扩展性并降低成本，使得巡检工作更加轻松、便捷。
项目的 MQTT 平台采用了企业版 EMQX。在港航中心云机房部署 EMQX，航标端的数据采控一体设备通过 MQTT 协议 与 EMQX 进行通信。这样不仅实时采集航标的工作状况，还可根据业务需要发送控制指令。数据传输之后，通过 EMQX 内置的规则引擎实现数据的持久化，从而助力后端监控中心建设可视化平台。
国网电力科学研究院武汉南瑞有限责任公司
项目名称： 智能电网物联接入架构研究
获奖理由：
项目构建了一个高效、稳定且可靠的通用电力物联网数据接入体系，实现了高频实时数据更新、具备强大跨省网络通讯能力和远程设备管理的智能电网物联体系，为武汉南瑞各业务渠道电力系统的数字化转型提供了有力支持。
为了应对在建设新型电力物联网体系中面临的挑战，项目采用了 NeuronEX 与 EMQX。这些挑战包括数据节点多接入量大、跨省转发网络不稳定以及站端设备连接状态不确定。NeuronEX 将不同设备协议统一转为 MQTT 协议，然后将转换后的数据流集中发送到 EMQX 数据接入组件。同时，利用 EMQX 的数据桥接、数据持久化、日志追踪以及上下线通知功能，实现了跨省级数据转发、高效的数据路由、断线重连和离线缓存。
台铃科技股份有限公司
项目名称： 台铃智能车联网联服务应用
获奖理由：
台铃作为市场领先的电动自行车公司，希望开发一款智能手机应用，让用户能够远程控制和管理他们的电动车，从而提供更智能、便捷的电动出行体验。
项目利用 EMQX 作为 MQTT 消息服务器，实现了高并发连接、大数据吞吐以及车云通信功能。此外，通过利用 EMQX 的毫秒级时延特性，项目成功实现了对车辆的实时控制和监控。该项目成功帮助公司在两轮车车联网场景下连接了近 50 万用户，并且在高峰期保持了系统的稳定性。
合肥象形大数据技术有限公司
项目名称： 某卷烟厂工控数据运营平台
获奖理由：
合肥象形依托成熟的工业数据采集技术和解决方案，为某卷烟厂打造了实时数据基座，有效推动了智能工厂的建设。
该项目利用 NeuronEX 作为边缘端工业协议网关软件、EMQX 作为 MQTT消息服务器，实现了工厂制造过程实时数据高并发连接、大数据吞吐以及实时通信功能。此外，通过建立实时数据与数字孪生平台的实时数据传输通道，该项目实现了“工厂-车间-设备”的孪生体，对生产、质量、设备和消耗等方面进行了实时监控和预警。不仅提高了生产效率，还为企业的决策提供了有力支持。
苏州奇融谷技术有限公司
项目名称： 工业现场边缘设备运维平台
获奖理由：
项目致力于打造一个专注于 AGV 机器人智能化运维的平台，通过对机器人的实时监控、数据收集来感知设备状态，同时提供远程运维、软件管控、硬件管控等功能来保障机器人的正常运转，并提供批量远程运维的方式进一步提高机器人的稳定性。
平台利用 EMQ 的 MQTT 消息代理处理大量 AGV 机器人数据。通过实时跟踪 AGV 机器人状态和数据分析，平台能够快速响应设备故障并减少停机时间。此外，平台还增强了数据传输的安全性和合规性，确保满足对数据安全和合规的严格要求。
南京知亦行信息技术有限公司
项目名称： 基于数字孪生的设备预测性运行维护
获奖理由：
知亦行为某知名汽车生产商提供了一种高效、实时的工业设备管理解决方案，使其设备健康状态实现可视化。通过实时监控设备状态，该项目能够预测故障的发生，显著减少非计划性停机，缩短设备维修时间，并提高生产的连续性和稳定性，降低运维成本。
项目利用 MQTT 协议和 EMQX 平台，支持数千台设备的稳定高效接入。这解决了工业设备中普遍存在的标准化与非标准化协议问题。此外，该项目实现了高频率数据采集，利用先进的 AI 算法自动检测不同的工艺模式。针对各种应用场景，项目团队定制了多种模型算法，显著提高了故障诊断的准确率和效率。
个人赛道
刘兆隆
项目名称： 基于实时图像处理技术的茶叶病害监测物联网系统
获奖理由：
项目开发了一款基于 AlxBoard 开发板和 OpenVINO 异构计算推理的智能茶叶病害监测系统，成功利用深度学习技术实现对茶叶病害的自动识别与分类。此系统显著提高了茶叶病害识别的效率和准确性，为茶农提供了一个便捷、实用的监测工具，有效降低了劳动强度和经济损失。
该系统通过连接工业级摄像头实时捕捉茶叶图像，利用深度学习模型进行图像分析，准确识别出各类病害。同时，通过前端可视化界面实时展示包括视频流和识别结果，直观地了解茶叶病害情况。
徐超超
项目名称： RoadSense – 基于坑洼检测的智慧交通决策支持系统
获奖理由：
项目设计了一套基于坑洼检测的智慧交通决策支持系统。采用多传感器的树莓派作为数据采集节点，在获取路面坑洼数据后，通过 EMQX 消息服务器实现数据的传输。系统将坑洼图像、位置等统计信息通过 Web 平台进行可视化展示，为驾驶员及道路管理人员提供出行和道路维护相关的决策支持。