Almacenamiento de imágenes en Azure IoT Edge Vision AI

El almacenamiento y la administración de imágenes son funciones importantes en las soluciones de Computer Vision de Azure IoT Edge.

Los requisitos de almacenamiento de imágenes incluyen:

• Almacenamiento rápido para evitar cuellos de botella en las canalizaciones y pérdida de datos
• Almacenamiento y etiquetado en el perímetro y en la nube
• Recuperación sencilla de imágenes sin procesar almacenadas para su etiquetado
• Categorización de las imágenes para facilitar su recuperación
• Asignación de nombre y etiquetado para vincular imágenes con los metadatos inferidos

Puede combinar Blob Storage, Azure IoT Hub y IoT Edge de varias maneras diferentes para almacenar datos de imagen. Por ejemplo:

• Use un módulo de Blob Storage de Azure IoT Edge para sincronizar automáticamente las imágenes con Azure Blob Storage a través de la directiva.
• Almacene imágenes en un sistema de archivos host local y cárguelas en Blob Storage mediante un módulo personalizado.
• Use una base de datos local para almacenar imágenes y sincronizarlas con la base de datos en la nube.

Ejemplo de flujo de trabajo de almacenamiento

En los pasos siguientes se describe un flujo de trabajo típico que usa un módulo de Blob Storage de IoT Edge.

1. El módulo de blobs de IoT Edge almacena datos sin procesar localmente después de la ingesta con la marca de tiempo y la numeración de secuencia para identificar de forma única los archivos de imagen.

2. Una directiva establecida en el módulo de blobs de IoT Edge carga automáticamente los datos de la imagen en Azure Blob Storage ordenados.

3. Para ahorrar espacio, el dispositivo de IoT Edge elimina automáticamente los datos locales después de un intervalo de tiempo determinado. El dispositivo también tiene establecida la opción retener durante la actualización, para asegurarse de que todas las imágenes se sincronizan con la nube antes de la eliminación.

4. La categorización o etiquetado local usa un módulo que lee imágenes en una interfaz de usuario. Los datos de las etiquetas asociados al identificador URI de la imagen junto con las coordenadas y la categoría.

5. Una base de datos local almacena los metadatos de la imagen y se sincroniza con la nube mediante mensajes de telemetría. El almacenamiento local admite una búsqueda sencilla para la interfaz de usuario.

6. Durante la ejecución de la puntuación, el modelo de Machine Learning detecta patrones de coincidencia y genera eventos de interés.

   • El modelo envía estos metadatos a la nube a través de telemetría que hace referencia al URI de la imagen.
   • Opcionalmente, el modelo también almacena estos metadatos en la base de datos local para la interfaz de usuario perimetral.
   • Las propias imágenes se siguen almacenando en el módulo de blobs de IoT Edge y se sincronizan con Azure Blob Storage.

Colaboradores

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

Autor principal:

• Keith Hill | Administrador PM sénior

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

Pasos siguientes

Interfaz de usuario y escenarios en Azure IoT Edge Vision AI