Soluciones de inteligencia artificial de visión con Azure IoT Edge

  • Artículo

En esta serie de artículos, se describe cómo planear y diseñar una carga de trabajo de Computer Vision que usa Azure IoT Edge. Puede ejecutar Azure IoT Edge en dispositivos e integrarlo con Azure Machine Learning, Azure Storage, Azure App Services y Power BI para soluciones de inteligencia artificial de visión integrales.

La inspección visual de productos, recursos y entornos es fundamental para muchos esfuerzos. La inspección y el análisis visual humano están sujetos a ineficacia y imprecisión. Las empresas ahora usan redes neuronales artificiales de aprendizaje profundo llamadas redes neuronales convolucionales (CNN) para emular la visión humana. El uso de CNN para la entrada y el análisis automatizados de imágenes se conoce normalmente como Computer Vision o inteligencia artificial de visión.

Las tecnologías como la contenedorización admiten la portabilidad, lo que permite migrar los modelos de inteligencia artificial de visión al perímetro de la red. Puede entrenar modelos de inferencia de visión en la nube, crear contenedores de los modelos y usarlos para crear módulos personalizados para Azure IoT dispositivos habilitados para el entorno de ejecución de Azure IoT Edge. La implementación de soluciones de inteligencia artificial de visión en el perímetro ofrece ventajas de rendimiento y costos.

Casos de uso

Los casos de uso de la inteligencia artificial de visión abarcan la fabricación, el comercio minorista, la atención sanitaria y el sector público. Los casos de uso típicos de la inteligencia artificial de visión incluyen el control de calidad, la seguridad y la seguridad.

Control de calidad

En entornos de fabricación, la inteligencia artificial de visión puede inspeccionar las piezas y los procesos de forma rápida y precisa. La inspección de calidad automatizada puede:

  • Supervisar la coherencia del proceso de fabricación.
  • Comprobar un ensamblado de productos adecuado.
  • Proporcionar notificaciones tempranas de defectos.

Para obtener un escenario de ejemplo para este caso de uso, consulte Escenario de usuario 1: control de calidad.

Seguridad

La supervisión visual automatizada puede examinar posibles problemas de seguridad. La automatización puede proporcionar más tiempo para responder a los incidentes y más oportunidades para reducir el riesgo. La supervisión de seguridad automatizada puede:

  • Realizar un seguimiento del cumplimiento de las directrices de equipamientos de protección personal.
  • Supervisar y alertar sobre la entrada en zonas no autorizadas.
  • Alertar sobre objetos no identificados.
  • Registrar las llamadas de cierre no informadas o los incumplimientos de equipamientos peatonales.

Para obtener un escenario de ejemplo para este caso de uso, consulte Escenario de usuario 2: seguridad.

Arquitectura

Las soluciones de inteligencia artificial de visión para IoT Edge implican varios componentes y procesos. Los artículos de esta serie proporcionan instrucciones detalladas de planeamiento y diseño para cada área.

Diagrama que muestra los componentes básicos de una solución de inteligencia artificial de visión de IoT Edge.

  1. Las cámaras capturan los datos de imagen para su entrada en el sistema de inteligencia artificial de visión de IoT Edge. Consulte Selección de cámara en la inteligencia artificial de visión de Azure IoT Edge.
  2. La aceleración de hardware en los dispositivos IoT Edge proporciona la potencia de procesamiento necesaria para gráficos informáticos y algoritmos de inteligencia artificial. Consulte Aceleración de hardware en la inteligencia artificial de visión de Azure IoT Edge.
  3. Los modelos de ML implementados como módulos IoT Edge puntúan los datos de imagen entrantes. Consulte Aprendizaje automático en la inteligencia artificial de visión de Azure IoT Edge.
  4. El dispositivo IoT Edge envía los metadatos y datos de imagen pertinentes a la nube para su almacenamiento. Los datos almacenados se usan para nuevos entrenamientos de ML, solución de problemas y análisis. Consulte Almacenamiento y administración de imágenes en la inteligencia artificial de visión de Azure IoT Edge.
  5. Los usuarios interactúan con el sistema mediante interfaces de usuario como aplicaciones, visualizaciones y paneles. Consulte Interfaces de usuario y escenarios en la inteligencia artificial de visión de Azure IoT Edge.

Consideraciones

Entre las razones para migrar las cargas de trabajo de Computer Vision de la nube al perímetro, se incluyen el rendimiento y el costo.

Consideraciones de rendimiento

  • La exportación de menos datos a la nube libera una presión en la infraestructura de red que puede causar problemas de rendimiento.
  • La puntuación de datos de forma local ayuda a evitar una latencia de respuesta inaceptable.
  • Las alertas locales evitan el retraso y la complejidad agregada.

Por ejemplo, una persona que entra en un área no autorizada puede necesitar intervención inmediata. Colocar el modelo de puntuación cerca del punto de ingesta de datos permite la puntuación y las alertas de imágenes casi en tiempo real.

Consideraciones sobre el costo

Puntuar los datos de forma local y enviar solo los datos pertinentes a la nube puede mejorar la rentabilidad de la inversión (ROI) de una iniciativa de Computer Vision. Los módulos de Custom Vision de IoT Edge pueden puntuar los datos de imagen por modelos de ML y enviar solo las imágenes que se consideren pertinentes con una confianza razonable a la nube para su posterior procesamiento. El envío solo de imágenes seleccionadas reduce la cantidad de datos que van a la nube y reduce los costos.

Colaboradores

Microsoft mantiene este artículo. Originalmente lo escribieron los siguientes colaboradores.

Autor principal:

Para ver los perfiles no públicos de LinkedIn, inicie sesión en LinkedIn.

Pasos siguientes

Para continuar con esta serie sobre inteligencia artificial de visión de IoT Edge, vaya al siguiente artículo:

Selección de cámara en la inteligencia artificial de visión de Azure IoT Edge

Para más información sobre las CNN, la inteligencia artificial de visión, Azure Machine Learning y Azure IoT Edge, consulte la siguiente documentación:

Para conocer más arquitecturas, ejemplos e ideas de Computer Vision que usan Azure IoT, consulte los siguientes artículos: