Stockage d’images dans Azure IoT Edge vision AI

Le stockage et la gestion des images sont des fonctions importantes dans les solutions de vision par ordinateur Azure IoT Edge.

Les exigences en matière de stockage d’images sont les suivantes :

• Stockage rapide pour éviter les goulots d’étranglement des pipelines et la perte de données
• Stockage et étiquetage à la périphérie et dans le cloud
• Récupération facile des images brutes stockées pour l’étiquetage
• Catégorisation des images pour faciliter leur récupération
• Nommage et étiquetage des images pour les lier à des métadonnées inférées.

Vous pouvez combiner Stockage Blob, Azure IoT Hub et IoT Edge de différentes façons pour stocker les données de images. Par exemple :

• Utilisez un module de stockage d’objets blob Azure IoT Edge pour synchroniser automatiquement les images sur Stockage via une stratégie.
• Stockez les images dans un système de fichiers hôte local et chargez-les sur Stockage Blob en utilisant un module personnalisé.
• Utilisez une base de données locale pour stocker les images et synchronisez-les avec la base de données cloud.

Exemple de workflow de stockage

Les étapes suivantes décrivent un workflow classique qui utilise un module de stockage d’objets blob IoT Edge.

1. Le module de stockage d’objets blob IoT Edge stocke les données brutes localement après l’ingestion, avec un horodatage et une numérotation en séquence pour identifier les fichiers image de façon univoque.

2. Une stratégie définie sur le module de stockage d’objets blob IoT Edge charge automatiquement les données des images sur Stockage Blob Azure, dans l’ordre.

3. Pour économiser de l’espace, l’appareil IoT Edge supprime automatiquement les données locales au bout d’un certain intervalle de temps. L’option Conserver pendant le chargement est définie sur l’appareil, afin de garantir la synchronisation de toutes les images avec le cloud avant leur suppression.

4. La catégorisation ou l’étiquetage local utilise un module qui lit les images dans une interface utilisateur. Les données d’étiquette sont associées à l’URI de l’image, ainsi qu’aux coordonnées et à la catégorie.

5. Une base de données locale stocke les métadonnées des images et les synchronise avec le cloud en utilisant des messages de télémétrie. Le stockage local permet une recherche facile pour l’interface utilisateur.

6. Lors de l’exécution du scoring, le modèle détecte les modèles Machine Learning correspondants et génère des événements intéressants.

   • Le modèle envoie ces métadonnées au cloud via la télémétrie qui fait référence à l’URI de l’image.
   • Le modèle peut aussi stocker ces métadonnées dans la base de données locale pour l’interface utilisateur de périphérie.
   • Les images elles-mêmes restent stockées dans le module de stockage d’objets blob IoT Edge et sont synchronisées sur Stockage Blob Azure.

Contributeurs

Cet article est géré par Microsoft. Il a été écrit à l’origine par les contributeurs suivants.

Auteur principal :

• Keith Hill | Chef de projet senior

Pour afficher les profils LinkedIn non publics, connectez-vous à LinkedIn.

Étapes suivantes

Interfaces utilisateur et scénarios pour Azure IoT Edge vision AI