توضح هذه المقالة كيفية استخدام روبوت محمول مع كاميرا بث مباشر لتنفيذ حالات الاستخدام المختلفة. ينفذ الحل نظاما يعمل محليا على Azure Stack Edge لاستيعاب ومعالجة دفق الفيديو وخدمات Azure الذكاء الاصطناعي التي تقوم بالكشف عن الكائنات.
بناء الأنظمة
قم بتنزيل ملف Visio لهذه البنية.
سير العمل
يصف سير العمل هذا كيفية معالجة النظام للبيانات الواردة:
كاميرا مثبتة على الروبوت تبث الفيديو في الوقت الحقيقي باستخدام بروتوكول البث في الوقت الحقيقي (RTSP).
تقرأ حاوية في مجموعة Kubernetes على Azure Stack Edge الدفق الوارد وتقسيم الفيديو إلى صور منفصلة. تقوم أداة برامج مفتوحة المصدر تسمى FFmpeg باستيعاب دفق الفيديو ومعالجته.
يتم تخزين الصور في حساب تخزين Azure Stack Edge المحلي.
في كل مرة يتم فيها حفظ إطار مفتاح جديد في حساب التخزين، تلتقطه حاوية الذكاء الاصطناعي Vision. للحصول على معلومات حول فصل المنطق إلى حاويات متعددة، راجع تفاصيل السيناريو.
عند تحميل إطار مفتاح من حاوية التخزين، ترسلها حاوية الذكاء الاصطناعي Vision إلى خدمات Azure الذكاء الاصطناعي في السحابة. تستخدم هذه البنية Azure الذكاء الاصطناعي Vision، والتي تمكن الكشف عن الكائنات عبر تحليل الصور.
يتم إرسال نتائج تحليل الصور (الكائنات المكتشفة وتصنيف الثقة) إلى حاوية الكشف عن الحالات الخارجة عن المألوف.
تخزن حاوية الكشف عن الحالات الشاذة نتائج تحليل الصور واكتشاف الشذوذ في مثيل قاعدة بيانات Azure SQL المحلي من Azure Stack Edge للرجوع إليها في المستقبل. يؤدي استخدام مثيل محلي لقاعدة البيانات إلى تحسين وقت الوصول، مما يساعد على تقليل التأخير في الوصول إلى البيانات.
يتم تشغيل معالجة البيانات للكشف عن أي حالات شاذة في دفق الفيديو الوارد في الوقت الحقيقي. إذا تم الكشف عن حالات شاذة، تعرض واجهة المستخدم الأمامية تنبيها.
المكونات
Azure Stack Edge هو جهاز مدار من Azure يجلب حساب Azure وتخزينه وذكاءه إلى الحافة. تستخدم هذه البنية لاستضافة خدمات Azure المحلية، بالقرب من الموقع الذي يحدث فيه الكشف عن الحالات الشاذة، ما يقلل من زمن الانتقال.
Azure Kubernetes Service (AKS) على Azure Stack Edge. خدمة Azure Kubernetes (AKS) هي خدمة Kubernetes مدارة يمكنك استخدامها لنشر التطبيقات المعبأة في حاويات وإدارتها. في هذه البنية، نستخدم إصدار AKS الذي يعمل على جهاز Azure Stack Edge لإدارة الحاويات المسؤولة عن منطق النظام.
Azure Arc هو جسر يوسع خدمات Azure إلى الحافة. من خلال استخدام Azure Arc في هذه البنية، يمكننا التحكم في خدمات الحافة من خلال مدخل السحابة.
Azure الذكاء الاصطناعي Vision هي خدمة موحدة توفر قدرات رؤية الكمبيوتر. في هذه البنية، يتم استخدام ميزة تحليل الصور للكشف عن العناصر في الإطارات الرئيسية لتدفق الفيديو.
Azure Blob Storage هو حل تخزين عناصر Microsoft للسحابة. في هذه البنية، يتم استخدامه لتخزين صور الإطارات الرئيسية التي يتم استخراجها من دفق الفيديو.
Azure SQL Edge هو محرك SQL صغير البصمة ومحسن من الحافة مع الذكاء الاصطناعي مضمنة. في هذه البنية، ذهبنا خصيصا لإصدار الحافة من محرك SQL لتخزين بيانات تعريف تحليل الصور، مما يبقيها قريبة من الخدمة التي تستهلك وتعالج.
Azure Container Registry هو سجل لصور Docker وOpen Container Initiative (OCI)، مع دعم لكافة أدوات OCI. في هذه البنية، يخزن السجل صور حاوية Docker للكشف عن الحالات الشاذة وحاويات الرؤية الذكاء الاصطناعي.
Azure Key Vault هي خدمة لتوفير إدارة مفاتيح آمنة في السحابة. في هذه البنية، يتم استخدامه لتخزين الأسرار والمفاتيح للسماح لمنطق النظام بالتفاعل مع الخدمات الخارجية حيث لا تتوفر الهوية المدارة.
Azure Monitor هو حل مراقبة شامل لجمع وتحليل والاستجابة لبيانات المراقبة من السحابة والبيئات المحلية. في هذه البنية، هذه الخدمة هي النظام الأساسي الأساسي للمراقبة لحمل العمل.
تفاصيل السيناريو
توضح هذه البنية نظاما يعالج دفق فيديو في الوقت الحقيقي، ويقارن البيانات المستخرجة في الوقت الحقيقي بمجموعة من البيانات المرجعية، ويتخذ القرارات بناء على النتائج. على سبيل المثال، يمكن استخدامه لتوفير عمليات تفتيش مجدولة لمحيط مسيج حول موقع آمن.
تستخدم البنية Azure Stack Edge للتأكد من تنفيذ العمليات الأكثر استخداما للموارد محليا، بالقرب من مصدر الفيديو. يحسن هذا التصميم بشكل كبير وقت استجابة النظام، وهو أمر مهم عندما تكون الاستجابة الفورية للشذوذ أمرا بالغ الأهمية.
نظرا لنشر أجزاء النظام كحاويات مستقلة في مجموعة Kubernetes، يمكنك تغيير حجم الأنظمة الفرعية المطلوبة فقط وفقا للطلب. على سبيل المثال، إذا قمت بزيادة عدد الكاميرات لموجز الفيديو، يمكنك تغيير حجم الحاوية المسؤولة عن استيعاب الفيديو ومعالجته لمعالجة الطلب ولكن مع الاحتفاظ ببقية المجموعة في المستوى الأصلي.
يؤدي إلغاء تحميل وظيفة الكشف عن الكائنات إلى خدمات Azure الذكاء الاصطناعي إلى تقليل الخبرة التي تحتاجها لنشر هذه البنية بشكل كبير. ما لم تكن متطلباتك للكشف عن الكائنات عالية التخصص، فإن النهج الجاهز الذي تحصل عليه من خدمة تحليل الصور كاف ولا يتطلب معرفة بالتعلم الآلي.
حالات الاستخدام المحتملة
مراقبة أمن محيط
الكشف عن بيئة عمل غير آمنة في مصنع
الكشف عن الحالات الشاذة في خط تجميع تلقائي
الكشف عن نقص السائل المزيل للتحلل على الطائرات
الاعتبارات
تطبق هذه الاعتبارات ركائز إطار العمل جيد التصميم في Azure، وهي مجموعة من المبادئ التوجيهية التي يمكنك استخدامها لتحسين جودة حمل العمل. لمزيد من المعلومات، يرجى مراجعةMicrosoft Azure Well-Architected Framework.
الموثوقيه
تضمن الموثوقية أن التطبيق الخاص بك يمكن أن يفي بالالتزامات التي تتعهد بها لعملائك. لمزيد من المعلومات، يرجى مراجعة نظرة عامة على ركيزة الموثوقية.
تتمثل إحدى أكبر مزايا استخدام Azure Stack Edge في حصولك على مكونات مدارة بالكامل على أجهزتك المحلية. جميع مكونات Azure المدارة بالكامل مرنة تلقائيا على المستوى الإقليمي.
بالإضافة إلى ذلك، يمكنك تشغيل النظام في مجموعة Kubernetes من إلغاء تحميل مسؤولية الحفاظ على سلامة الأنظمة الفرعية لنظام تنسيق Kubernetes.
الأمان
ويوفر عامل الأمان ضمانات للحماية من الهجمات المتعمدة واستغلال البيانات والأنظمة القيمة الخاصة بك. للمزيد من المعلومات، يرجى الرجوع إلى نظرة عامة على ركيزة الأمان.
توفر الهويات المدارة من Microsoft Entra الأمان لجميع مكونات هذه البنية. استخدام الهويات المدارة يلغي الحاجة إلى تخزين الأسرار في ملفات التعليمات البرمجية أو التكوين. فهو يبسط التحكم في الوصول وإدارة بيانات الاعتماد وتعيين الدور.
تحسين التكلفة
يتعلق تحسين التكلفة بخفض النفقات غير الضرورية وتحسين الكفاءة التشغيلية. لمزيد من المعلومات، راجع نظرة عامة على ركيزة تحسين التكلفة.
للاطلاع على مثال تسعير لهذا السيناريو، استخدم حاسبة تسعير Azure. أغلى المكونات في السيناريو هي Azure Stack Edge وAzure Kubernetes Service. وتوفر هذه الخدمات القدرة على توسيع نطاق النظام لتلبية الطلب المتزايد في المستقبل.
تختلف تكلفة استخدام خدمات Azure الذكاء الاصطناعي للكشف عن الكائنات استنادا إلى مدة تشغيل النظام. يستند مثال التسعير السابق إلى نظام ينتج صورة واحدة في الثانية ويعمل لمدة 8 ساعات في اليوم. واحد FPS كاف لهذا السيناريو. ومع ذلك، إذا كان النظام الخاص بك بحاجة إلى التشغيل لفترات أطول من الوقت، فإن تكلفة استخدام خدمات Azure الذكاء الاصطناعي أعلى:
كفاءة الأداء
كفاءة الأداء هي قدرة حمل عملك على تغيير الحجم لتلبية المطالب التي يضعها المستخدمون عليها بطريقة فعالة. لمزيد من المعلومات، يرجى مراجعةأنماط كفاءة الأداء.
نظرا لنشر التعليمات البرمجية في مجموعة Kubernetes، يمكنك الاستفادة من فوائد نظام التزامن القوي هذا. نظرا لفصل الأنظمة الفرعية المختلفة إلى حاويات، يمكنك تغيير حجم الأجزاء الأكثر تطلبا فقط من التطبيق. على المستوى الأساسي، مع موجز فيديو وارد واحد، يمكن أن يحتوي النظام على عقدة واحدة فقط في نظام مجموعة. يبسط هذا التصميم التكوين الأولي بشكل كبير. مع نمو الطلب على معالجة البيانات، يمكنك بسهولة توسيع نطاق نظام المجموعة عن طريق إضافة العقد.
المساهمون
تحتفظ Microsoft بهذه المقالة. وهي مكتوبة في الأصل من قبل المساهمين التاليين.
الكاتب الرئيسي:
- سولوغوب | العميل المتوقع الرئيسي لهندسة البرمجيات
مساهمون آخرون:
- مايكل ألبرتس | كاتب تقني
- فريدريك لو كوكيل | مهندس البرامج الرئيسي
لمشاهدة ملفات تعريف LinkedIn غير العامة، سجل الدخول إلى LinkedIn.
الخطوات التالية
وثائق المنتج:
- اكتشاف الكائنات
- الاستخدام المسؤول للذكاء الاصطناعي
- ما هو Azure Stack Edge Pro 2؟
- Azure Kubernetes Service
- نظرة عامة على Azure Arc
مسار التعلم الموجه:
- جلب ابتكار Azure إلى بيئاتك المختلطة باستخدام Azure Arc
- مقدمة إلى خدمة Azure Kubernetes
- مقدمة إلى Azure Stack
- تحليل الصور باستخدام خدمة Computer Vision