Obtenha insights sobre como os clientes recebem seus produtos atuais em relação ao layout da loja.
Arquitetura
Baixe um Arquivo Visio dessa arquitetura.
Fluxo de dados
- O Kit de Desenvolvimento de IA da Visão Personalizada recebe uma configuração do Hub IoT, que instala o Runtime do IoT Edge e um modelo de ML.
- Quando detecta uma pessoa, o modelo captura uma imagem e a carrega no armazenamento de blobs do Azure Stack Hub.
- O serviço Blob dispara uma função do Azure no Azure Stack Hub.
- O Azure Function chama um contêiner com a API de Detecção Facial para obter dados demográficos e emocionais da imagem.
- Os dados são anonimizados e enviados a um cluster dos Hubs de Eventos do Azure.
- O cluster dos Hubs de Eventos envia os dados ao Stream Analytics.
- O Stream Analytics agrega os dados e efetua push no Power BI. O Power BI oferece uma interface de dashboard fácil de usar para exibir a saída do Azure Stream Analytics.
Componentes
Hardware na loja
- O Kit de Desenvolvimento de IA da Visão Personalizada fornece filtragem na loja usando um modelo de ML local que captura apenas imagens de pessoas para análise. Ele é provisionado e atualizado com segurança por meio do Hub IoT.
Azure
- Os Hubs de Eventos do Azure são um serviço de ingestão de dados em tempo real totalmente gerenciado, que é simples, confiável e escalonável. Transmita milhões de eventos por segundo, de qualquer fonte, para criar pipelines de dados dinâmicos e responder imediatamente aos desafios de negócios.
- O Azure Stream Analytics é um serviço de análise fácil de usar em tempo real projetado para cargas de trabalho críticas. Vá da zero à produção em minutos. É SQL: facilmente extensível, com código personalizado e recursos internos de machine learning, para cenários mais avançados.
- O Microsoft Power BI é um pacote de ferramentas de análise de negócios que fornece insights a toda a organização. Conecte-se a centenas de fontes de dados, simplifique a preparação de dados e conduza análises improvisadas. Produza relatórios incríveis e publique-os para consumo pela organização, tanto na Web quanto em dispositivos móveis.
Azure Stack Hub
- O Azure Stack Hub amplia o Azure, para permitir que você execute aplicativos em um ambiente local e forneça serviços do Azure em seu datacenter.
- O provedor de recursos (RP) do Serviço de Aplicativo fornece uma base para componentes de borda, incluindo recursos de hospedagem e gerenciamento para aplicativos Web, APIs e Funções.
- Cluster de mecanismo do Serviço de Kubernetes do Azure (AKS) O RP do AKS com um cluster do mecanismo AKS é implantado no Azure Stack Hub, para fornecer um mecanismo escalonável e resiliente que executa o contêiner de API de Detecção Facial.
- Contêineres de API de Detecção Facial. O RP dos Serviços Cognitivos do Azure, com contêineres Face API, fornece detecção demográfica, emocional e de visitantes únicos.
- Armazenamento de blobs. As imagens capturadas pelo Kit de Desenvolvimento de IA são carregadas no Armazenamento de blobs do Azure Stack Hub.
- Azure Functions. Uma Função do Azure em execução no Azure Stack Hub recebe a entrada do Armazenamento de blobs e gerencia as interações com a API de Detecção Facial. Ela emite dados anônimos para um cluster dos Hubs de Eventos localizado no Azure.
Alternativas
Uma Função do Azure em execução no Azure Stack Hub é uma ótima opção de computação. No entanto, há outras opções de computação, como um aplicativo personalizado executado no Serviço de Aplicativo do Azure.
Detalhes do cenário
Possíveis casos de uso
Essa solução descreve uma arquitetura de detecção de pegada baseada em IA para analisar o tráfego de visitantes em lojas de varejo. A solução gera insights de ações do mundo real usando o Azure, o Azure Stack Hub e o Kit de Desenvolvimento de IA da Visão Personalizada.
Com esse cenário, você não precisa colocar funcionários em todas as seções e não precisa de uma equipe de analistas para examinar todas as imagens da câmera de uma loja. A solução também não exige que os repositórios tenham largura de banda suficiente para transmitir vídeo de todas as câmeras para a nuvem para análise. A solução fornece uma maneira discreta e amigável à privacidade para determinar a demografia, a lealdade e as reações dos clientes para armazenar exibições e produtos.
Considerações
Essas considerações implementam os pilares do Azure Well-Architected Framework, que é um conjunto de princípios de orientação que podem ser usados para aprimorar a qualidade de uma carga de trabalho. Para obter mais informações, confira Microsoft Azure Well-Architected Framework.
Confiabilidade
Como essa solução é em camadas, é importante pensar em como lidar com falhas de rede ou de energia. Consulte Resiliência e dependências, Práticas recomendadas para criar confiabilidade em aplicativos do Azure e Confiabilidade do Azure Stack Hub, do Microsoft Azure Well Architected Framework (WAF), para melhorar a resiliência da solução.
Dependendo das necessidades dos negócios, pode ser útil implementar um mecanismo para armazenar as imagens em cache localmente e, em seguida, encaminhá-las ao Azure Stack Hub quando a conectividade for retomada. Se o local for grande o suficiente, implante um Data Box Edge com o contêiner da API de Detecção Facial nesse local.
Segurança
A segurança fornece garantias contra ataques deliberados e o abuso de seus dados e sistemas valiosos. Para saber mais, confira Visão geral do pilar de segurança.
Como essa solução captura imagens de clientes, a segurança é uma consideração fundamental. Consulte as diretrizes da Proteção de dados do WAF para proteger as contas de armazenamento, incluindo a configuração de políticas de acesso adequadas e a rotação regular de chaves. Para as contas de armazenamento e os Hubs de Eventos, adote políticas de retenção que atendam às normas de privacidade corporativas e governamentais.
Forneça segurança por meio do gerenciamento de identidade e acesso, certificando-se de colocar em camadas os níveis de acesso do usuário. A disposição em camadas garante que os usuários tenham acesso apenas aos dados de que precisam para sua função.
Excelência operacional
A excelência operacional abrange os processos de operações que implantam um aplicativo e o mantêm em execução na produção. Para obter mais informações, confira Visão geral do pilar de excelência operacional.
Monitoramento e diagnóstico são cruciais. Os aplicativos em nuvem são executados em um datacenter remoto em que você não tem controle total da infraestrutura ou, em alguns casos, do sistema operacional. Use o Azure Monitor no Azure Stack Hub para visualizar, consultar, rotear, arquivar e executar outras ações em métricas e logs. Siga a lista de verificação de Operações de monitoramento de aplicativos de nuvem para implementar uma estratégia de monitoramento abrangente para a solução.
Essa solução pode abranger vários dispositivos e locais, o que pode ficar complicado. Os serviços do Azure IoT podem conectar automaticamente novos locais e dispositivos à internet e mantê-los atualizados.
Eficiência de desempenho
A eficiência do desempenho é a capacidade de dimensionar sua carga de trabalho para atender às demandas colocadas por usuários de maneira eficiente. Para saber mais, confira Visão geral do pilar de eficiência de desempenho.
Para permitir que essa solução seja dimensionada em várias câmeras e locais, verifique se todos os componentes podem lidar com o aumento da carga. Talvez seja necessário executar as seguintes ações:
- Aumentar o número de unidades de streaming do Stream Analytics.
- Escalar horizontalmente a implantação da API de Detecção Facial.
- Aumentar a taxa de transferência do cluster dos Hubs de Eventos.
- Em casos extremos, talvez seja necessário migrar do Azure Functions para uma máquina virtual.
Use a Lista de verificação de eficiência de desempenho para examinar seu design de um ponto de vista de escalabilidade.
Implantar este cenário
Esse artigo descreve como implantar uma solução baseada em IA que gera insights de ações do mundo real usando o Azure, o Azure Stack Hub e o Kit de desenvolvimento de IA da Visão Personalizada. Essa solução analisa o tráfego de visitantes em lojas de varejo. Consulte Implantar uma solução de detecção de clientela baseada em IA usando o Azure e o Azure Stack Hub.
Colaboradores
Esse artigo é mantido pela Microsoft. Ele foi originalmente escrito pelos colaboradores a seguir.
Autor principal:
- Bryan Lamos | Desenvolvedor sênior de conteúdo
Para ver perfis não públicos do LinkedIn, entre no LinkedIn.
Próximas etapas
Consulte os seguintes artigos para saber mais sobre os tópicos introduzidos nesta arquitetura:
- Consulte o exemplo Implantar uma Solução de Análise de Dados Preparada, que é implementada pela solução de detecção de pegada.
- Consulte o Kit de Desenvolvimento de IA da Visão Personalizada para saber mais sobre como usar a visão personalizada.
- Documentação do operador do Azure Stack Hub
- Serviço de Aplicativo no Azure Stack Hub
- Serviço de Kubernetes do Azure no Azure Stack Hub
- Documentação multinuvem e híbrida do Azure
Recursos relacionados
- Consulte a arquitetura de ponta a ponta do Analytics com o Azure Synapse para obter um cenário mais abrangente que ilustra outros mecanismos para enriquecer e fornecer dados.
- IA na borda com o Azure Stack Hub
- Implantar IA e ML computação local e na borda