Udostępnij za pośrednictwem

Vision AI solutions with Azure IoT Edge

  • Artykuł

W tej serii artykułów opisano sposób planowania i projektowania obciążenia przetwarzania obrazów, które korzysta z usługi Azure IoT Edge. Usługę Azure IoT Edge można uruchomić na urządzeniach i zintegrować z usługami Azure Machine Learning, Azure Storage, aplikacja systemu Azure Services i Power BI, aby uzyskać kompleksowe rozwiązania sztucznej inteligencji do przetwarzania obrazów.

Wizualne sprawdzanie produktów, zasobów i środowisk ma kluczowe znaczenie dla wielu przedsięwzięć. Inspekcja i analiza wizualna człowieka podlegają nieefektywności i niedokładności. Przedsiębiorstwa używają teraz sztucznych sieci neuronowych uczenia głębokiego nazywanych splotowymi sieciami neuronowymi (CNN), aby emulować ludzką wizję. Używanie sieci CNN do zautomatyzowanych danych wejściowych i analizy obrazów jest często nazywane przetwarzaniem obrazów lub wizją sztucznej inteligencji.

Technologie takie jak konteneryzacja obsługują przenośność, co umożliwia migrowanie modeli sztucznej inteligencji do brzegu sieci. Modele wnioskowania obrazów można trenować w chmurze, konteneryzować modele i używać ich do tworzenia niestandardowych modułów dla urządzeń z obsługą środowiska uruchomieniowego usługi Azure IoT Edge. Wdrażanie rozwiązań sztucznej inteligencji do przetwarzania obrazów na brzegu zapewnia wydajność i korzyści związane z kosztami.

Przypadki użycia

Przypadki użycia przetwarzania sztucznej inteligencji obejmują produkcję, handel detaliczny, opiekę zdrowotną i sektor publiczny. Typowe przypadki użycia sztucznej inteligencji do przetwarzania obrazów obejmują zapewnienie jakości, bezpieczeństwo i zabezpieczenia.

Zapewnianie jakości

W środowiskach produkcyjnych sztuczna inteligencja umożliwia szybkie i dokładne przeprowadzanie inspekcji części i procesów. Automatyczna kontrola jakości może:

  • Monitorowanie spójności procesów produkcyjnych.
  • Sprawdź odpowiedni zestaw produktów.
  • Podaj wczesne powiadomienia o wadach.

Przykładowy scenariusz dla tego przypadku użycia można znaleźć w temacie Scenariusz użytkownika 1: Kontrola jakości.

Bezpieczeństwo i bezpieczeństwo

Automatyczne monitorowanie wizualne może skanować pod kątem potencjalnych problemów z bezpieczeństwem i zabezpieczeniami. Automatyzacja może zapewnić więcej czasu na reagowanie na zdarzenia i więcej możliwości zmniejszenia ryzyka. Automatyczne monitorowanie bezpieczeństwa może:

  • Śledzenie zgodności z wytycznymi dotyczącymi urządzeń ochrony osobistej.
  • Monitorowanie i zgłaszanie alertów dotyczących wjazdu do nieautoryzowanych stref.
  • Alert dotyczący niezidentyfikowanych obiektów.
  • Rejestruj nieraportowane połączenia zbliżeniowe lub sprzęt dla pieszych bliskich chybień.

Przykładowy scenariusz dla tego przypadku użycia można znaleźć w temacie Scenariusz użytkownika 2: Bezpieczeństwo.

Architektura

Rozwiązania vision AI dla usługi IoT Edge obejmują kilka składników i procesów. Artykuły z tej serii zawierają szczegółowe wskazówki dotyczące planowania i projektowania dla każdego obszaru.

Diagram przedstawiający podstawowe składniki rozwiązania sztucznej inteligencji do przetwarzania obrazów usługi IoT Edge.

  1. Kamery przechwytują dane obrazu dla danych wejściowych w systemie sztucznej inteligencji do przetwarzania obrazów usługi IoT Edge. Zobacz Wybór aparatu dla usługi Azure IoT Edge vision AI.
  2. Przyspieszanie sprzętowe na urządzeniach usługi IoT Edge zapewnia niezbędną moc obliczeniową dla komputerowych algorytmów grafiki i sztucznej inteligencji. Zobacz Przyspieszanie sprzętowe w usłudze Azure IoT Edge vision AI.
  3. Modele uczenia maszynowego wdrożone jako moduły usługi IoT Edge oceniają przychodzące dane obrazu. Zobacz Uczenie maszynowe w usłudze Azure IoT Edge vision AI.
  4. Urządzenie usługi IoT Edge wysyła odpowiednie dane obrazu i metadane do chmury na potrzeby magazynu. Przechowywane dane są używane do ponownego trenowania uczenia maszynowego, rozwiązywania problemów i analizy. Zobacz Storage and management for Azure IoT Edge vision AI (Magazyn obrazów i zarządzanie nimi dla usługi Azure IoT Edge vision AI).
  5. Użytkownicy korzystają z systemu za pośrednictwem interfejsów użytkownika, takich jak aplikacje, wizualizacje i pulpity nawigacyjne. Zobacz Interfejsy użytkownika i scenariusze w usłudze Azure IoT Edge vision AI.

Kwestie wymagające rozważenia

Przyczyny migracji obciążeń przetwarzania obrazów z chmury do krawędzi obejmują wydajność i koszty.

Zagadnienia dotyczące wydajności

  • Eksportowanie mniejszej ilości danych do chmury zmniejsza obciążenie infrastruktury sieciowej, która może powodować problemy z wydajnością.
  • Lokalne ocenianie danych pomaga zapobiec nieakceptowalnemu opóźnieniu odpowiedzi.
  • Lokalne alerty pozwalają uniknąć opóźnień i zwiększenia złożoności.

Na przykład osoba wchodząca w nieautoryzowany obszar może potrzebować natychmiastowej interwencji. Pozycjonowanie modelu oceniania w pobliżu punktu pozyskiwania danych umożliwia ocenianie obrazów w czasie rzeczywistym i zgłaszanie alertów.

Kwestie związane z kosztami

Ocenianie danych lokalnie i wysyłanie tylko odpowiednich danych do chmury może poprawić zwrot z inwestycji (ROI) inicjatywy przetwarzania obrazów. Moduły usługi IoT Edge custom vision mogą oceniać dane obrazów dla modeli uczenia maszynowego i wysyłać tylko obrazy uznane za istotne z rozsądnym zaufaniem do chmury w celu dalszego przetwarzania. Wysyłanie tylko wybranych obrazów zmniejsza ilość danych przechodzących do chmury i obniża koszty.

Współautorzy

Ten artykuł jest obsługiwany przez firmę Microsoft. Pierwotnie został napisany przez następujących współautorów.

Główny autor:

Aby wyświetlić niepubalne profile serwisu LinkedIn, zaloguj się do serwisu LinkedIn.

Następne kroki

Aby kontynuować pracę z tą serią na temat sztucznej inteligencji obrazów usługi IoT Edge, przejdź do następnego artykułu:

Wybór aparatu dla sztucznej inteligencji usługi Azure IoT Edge

Aby dowiedzieć się więcej na temat sieci CNN, sztucznej inteligencji obrazów, usługi Azure Machine Learning i usługi Azure IoT Edge, zobacz następującą dokumentację:

Aby uzyskać więcej architektur przetwarzania obrazów, przykładów i pomysłów korzystających z usługi Azure IoT, zobacz następujące artykuły: