Soluzioni di intelligenza artificiale visione artificiale con Azure IoT Edge

  • Articolo

Questa serie di articoli descrive come pianificare e progettare un carico di lavoro di visione artificiale che usa Azure IoT Edge. È possibile eseguire Azure IoT Edge nei dispositivi e integrarsi con Azure Machine Learning, Archiviazione di Azure, servizi app Azure e Power BI per soluzioni di intelligenza artificiale di visione end-to-end.

L'ispezione visiva di prodotti, risorse e ambienti è fondamentale per molti sforzi. L'ispezione visiva umana e l'analisi sono soggette a inefficienza e imprecisione. Le aziende ora usano reti neurali artificiali di Deep Learning denominate reti neurali convoluzionali (CNN) per emulare la visione umana. L'uso di reti cnn per l'input e l'analisi automatizzate delle immagini è comunemente definito intelligenza artificiale o visione artificiale.

Tecnologie come la containerizzazione supportano la portabilità, che consente la migrazione dei modelli di intelligenza artificiale di visione alla rete perimetrale. È possibile eseguire il training dei modelli di inferenza della visione nel cloud, inserire in contenitori i modelli e usarli per creare moduli personalizzati per i dispositivi abilitati per il runtime di Azure IoT Edge. La distribuzione di soluzioni di intelligenza artificiale per la visione artificiale nei dispositivi perimetrali offre vantaggi in termini di prestazioni e costi.

Utilizzare casi

Casi d'uso per l'intelligenza artificiale per la visione si estendono alla produzione, alla vendita al dettaglio, al settore sanitario e al settore pubblico. I casi d'uso tipici dell'intelligenza artificiale per la visione includono controllo di qualità, sicurezza e sicurezza.

Controllo qualità

Negli ambienti di produzione l'intelligenza artificiale per la visione può ispezionare parti e processi in modo rapido e accurato. L'ispezione della qualità automatizzata può:

  • Monitorare la coerenza dei processi di produzione.
  • Controllare l'assembly del prodotto corretto.
  • Fornire notifiche di difetti iniziali.

Per uno scenario di esempio per questo caso d'uso, vedere Scenario utente 1: Controllo qualità.

Cassaforte ty e sicurezza

Il monitoraggio visivo automatizzato può analizzare potenziali problemi di sicurezza e sicurezza. L'automazione può offrire più tempo per rispondere agli eventi imprevisti e più opportunità per ridurre i rischi. Il monitoraggio automatizzato della sicurezza può:

  • Tenere traccia della conformità alle linee guida relative alle apparecchiature di protezione personale.
  • Monitorare e avvisare l'ingresso in zone non autorizzate.
  • Avviso per gli oggetti non identificati.
  • Registrare le chiamate di chiusura non segnalate o le attrezzature pedonali quasi mancate.

Per uno scenario di esempio per questo caso d'uso, vedere Scenario utente 2: Cassaforte ty.

Architettura

Le soluzioni di intelligenza artificiale visione artificiale per IoT Edge coinvolgono diversi componenti e processi. Gli articoli di questa serie forniscono indicazioni approfondite sulla pianificazione e sulla progettazione per ogni area.

Diagramma che mostra i componenti di base di una soluzione di intelligenza artificiale visione di IoT Edge.

  1. Fotocamera acquisisce i dati dell'immagine per l'input nel sistema di intelligenza artificiale di visione di IoT Edge. Vedere Fotocamera selezione per l'intelligenza artificiale visione di Azure IoT Edge.
  2. L'accelerazione hardware nei dispositivi IoT Edge offre la potenza di elaborazione necessaria per gli algoritmi di intelligenza artificiale e grafica del computer. Vedere Accelerazione hardware nell'intelligenza artificiale visione di Azure IoT Edge.
  3. I modelli di Machine Learning distribuiti come moduli IoT Edge assegnare un punteggio ai dati delle immagini in ingresso. Vedere Machine Learning nell'intelligenza artificiale visione di Azure IoT Edge.
  4. Il dispositivo IoT Edge invia i dati e i metadati dell'immagine pertinenti al cloud per l'archiviazione. I dati archiviati vengono usati per la ripetizione del training, la risoluzione dei problemi e l'analisi di Ml. Vedere Archiviazione e gestione delle immagini per l'intelligenza artificiale visione di Azure IoT Edge.
  5. Gli utenti interagiscono con il sistema tramite interfacce utente come app, visualizzazioni e dashboard. Vedere Interfacce utente e scenari nell'intelligenza artificiale visione di Azure IoT Edge.

Considerazioni

I motivi per eseguire la migrazione dei carichi di lavoro di Visione artificiale dal cloud al perimetro includono prestazioni e costi.

Considerazioni sulle prestazioni

  • L'esportazione di meno dati nel cloud riduce la pressione sull'infrastruttura di rete che può causare problemi di prestazioni.
  • L'assegnazione dei punteggi ai dati in locale consente di evitare una latenza di risposta inaccettabile.
  • L'avviso locale consente di evitare ritardi e complessità aggiuntive.

Ad esempio, una persona che entra in un'area non autorizzata potrebbe richiedere un intervento immediato. Il posizionamento del modello di punteggio vicino al punto di inserimento dati consente l'assegnazione di punteggi e avvisi di immagini quasi in tempo reale.

Considerazioni sul costo

L'assegnazione dei punteggi ai dati in locale e l'invio di dati pertinenti al cloud possono migliorare il ritorno sugli investimenti (ROI) di un'iniziativa di visione artificiale. I moduli di visione personalizzata di IoT Edge possono assegnare punteggi ai dati delle immagini per ogni modello di Machine Learning e inviare al cloud solo immagini ritenute rilevanti con attendibilità ragionevole per un'ulteriore elaborazione. L'invio di sole immagini selezionate riduce la quantità di dati che passano al cloud e riduce i costi.

Collaboratori

Questo articolo viene gestito da Microsoft. Originariamente è stato scritto dai seguenti contributori.

Autore principale:

Per visualizzare i profili LinkedIn non pubblici, accedere a LinkedIn.

Passaggi successivi

Per continuare con questa serie sull'intelligenza artificiale per la visione di IoT Edge, vedere l'articolo successivo:

Fotocamera selezione per l'intelligenza artificiale visione di Azure IoT Edge

Per altre informazioni sulle reti CNN, l'intelligenza artificiale per la visione artificiale, Azure Machine Learning e Azure IoT Edge, vedere la documentazione seguente:

Per altre architetture di visione artificiale, esempi e idee che usano Azure IoT, vedere gli articoli seguenti: