Archiviazione di immagini nell'intelligenza artificiale di Visione IoT Edge di Azure

L'archiviazione e la gestione delle immagini sono funzioni importanti nelle soluzioni di visione artificiale di Azure IoT Edge.

I requisiti di archiviazione delle immagini includono:

• Archiviazione veloce per evitare colli di bottiglia della pipeline e perdita di dati
• Archiviazione e etichettatura nei dispositivi perimetrali e nel cloud
• Recupero semplice delle immagini non elaborate archiviate per l'etichettatura
• Categorizzazione delle immagini per facilitare il recupero
• Denominazione e assegnazione di tag per collegare immagini con metadati dedotti

È possibile combinare archiviazione BLOB, hub IoT di Azure e IoT Edge in diversi modi per archiviare i dati delle immagini. Ad esempio:

• Usare un modulo di archiviazione BLOB di Azure IoT Edge per sincronizzare automaticamente le immagini in Archiviazione BLOB di Azure tramite criteri.
• Archiviare le immagini in un file system host locale e caricarle nell'archivio BLOB usando un modulo personalizzato.
• Usare un database locale per archiviare le immagini e sincronizzarle con il database cloud.

Flusso di lavoro di archiviazione di esempio

I passaggi seguenti descrivono un flusso di lavoro tipico che usa un modulo di archiviazione BLOB IoT Edge.

1. Il modulo BLOB IoT Edge archivia i dati non elaborati in locale dopo l'inserimento, con timestamp e numerazione della sequenza per identificare in modo univoco i file di immagine.

2. Un criterio impostato nel modulo BLOB IoT Edge carica automaticamente i dati dell'immagine in Archiviazione BLOB di Azure, con l'ordinamento.

3. Per risparmiare spazio, il dispositivo IoT Edge elimina automaticamente i dati locali dopo un determinato intervallo di tempo. Il dispositivo ha anche l'opzione di conservazione durante il caricamento impostata, per garantire che tutte le immagini vengano sincronizzate con il cloud prima dell'eliminazione.

4. La categorizzazione locale o l'etichettatura usano un modulo che legge le immagini in un'interfaccia utente. I dati dell'etichetta vengono associati all'URI dell'immagine, insieme alle coordinate e alla categoria.

5. Un database locale archivia i metadati dell'immagine e si sincronizza con il cloud usando i messaggi di telemetria. L'archiviazione locale supporta una ricerca semplice per l'interfaccia utente.

6. Durante un'esecuzione di assegnazione dei punteggi, il modello di Machine Learning rileva i modelli di corrispondenza e genera eventi di interesse.

   • Il modello invia questi metadati al cloud tramite telemetria che fa riferimento all'URI dell'immagine.
   • Facoltativamente, il modello archivia anche questi metadati nel database locale per l'interfaccia utente perimetrale.
   • Le immagini stesse continuano a archiviare nel modulo BLOB di IoT Edge e sincronizzare con Archiviazione BLOB di Azure.

Autori di contributi

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

Autore principale:

• Keith Hill | Senior PM Manager

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

Passaggi successivi

Interfaccia utente e scenari nell'intelligenza artificiale di Visione artificiale di Azure IoT Edge