Azure'da görüntü depolama IoT Edge görüntü yapay zekası

  • Makale

Görüntü depolama ve yönetim, Azure IoT Edge görüntü işleme çözümlerinin önemli işlevleridir.

Görüntü depolama gereksinimleri şunlardır:

  • İşlem hattı performans sorunlarını ve veri kaybını önlemek için hızlı depolama
  • Uçta ve bulutta depolama ve etiketleme
  • Etiketleme için depolanan ham görüntülerin kolay alınması
  • Kolay alma için görüntüleri kategorilere ayırma
  • Çıkarsanan meta verilerle görüntüleri bağlamak için adlandırma ve etiketleme

Blob Depolama, Azure IoT Hub ve IoT Edge görüntü verilerini depolamak için birkaç farklı yolla birleştirebilirsiniz. Örneğin:

  • görüntüleri ilke aracılığıyla Azure Blob Depolama otomatik olarak eşitlemek için Azure IoT Edge blob depolama modülü kullanın.
  • Görüntüleri yerel bir konak dosya sisteminde depolayın ve özel bir modül kullanarak Blob Depolama'ya yükleyin.
  • Görüntüleri depolamak ve bulut veritabanıyla eşitlemek için yerel bir veritabanı kullanın.

Örnek depolama iş akışı

Aşağıdaki adımlar, IoT Edge blob depolama modülü kullanan tipik bir iş akışını açıklar.

  1. IoT Edge blob modülü, veri alımından sonra ham verileri yerel olarak depolar ve görüntü dosyalarını benzersiz olarak tanımlamak için zaman damgası ve sıra numaralandırması içerir.

  2. IoT Edge blob modülünde ayarlanan bir ilke, görüntü verilerini otomatik olarak Azure Blob Depolama'a yükler.

  3. Alandan tasarruf etmek için, IoT Edge cihaz belirli bir zaman aralığından sonra yerel verileri otomatik olarak siler. Tüm görüntülerin silinmeden önce buluta eşitlenmesini sağlamak için cihazda karşıya yükleme sırasında saklama seçeneği de ayarlanmıştır.

  4. Yerel kategorilere ayırma veya etiketleme, görüntüleri kullanıcı arabiriminde okuyan bir modül kullanır. Etiket verileri, koordinatlar ve kategoriyle birlikte görüntü URI'siyle ilişkilendirir.

  5. Yerel veritabanı görüntü meta verilerini depolar ve telemetri iletilerini kullanarak bulutla eşitlenir. Yerel depolama, kullanıcı arabirimi için kolay aramayı destekler.

  6. Puanlama çalıştırması sırasında makine öğrenmesi modeli eşleşen desenleri algılar ve ilgi çekici olaylar oluşturur.

    • Model, görüntü URI'sine başvuran telemetri aracılığıyla bu meta verileri buluta gönderir.
    • İsteğe bağlı olarak, model bu meta verileri uç kullanıcı arabirimi için yerel veritabanında da depolar.
    • Görüntülerin kendileri IoT Edge blob modülünde depolamaya ve Azure Blob Depolama eşitlemeye devam eder.

Katkıda Bulunanlar

Bu makale Microsoft tarafından yönetilir. Başlangıçta aşağıdaki katkıda bulunanlar tarafından yazılmıştır.

Asıl yazar:

Genel olmayan LinkedIn profillerini görmek için LinkedIn'de oturum açın.

Sonraki adımlar

Azure IoT Edge görüntü işleme yapay zekasında kullanıcı arabirimi ve senaryoları