Introduction
Azure IoT Edge vous permet de déplacer vos charges de travail du cloud vers la périphérie. Cela vous permet d’exécuter vos charges de travail localement sur des appareils périphériques plus proches de l’emplacement où vos données sont générées. Cette approche convient bien aux services qui traitent de grandes quantités de données, comme les modèles de vision par ordinateur. Azure AI services avec IoT Edge vous permet de créer une solution et de la déployer sur des périphériques IoT comme des conteneurs. Lorsqu’ils sont implémentés ensemble, Azure IoT Edge et Azure AI services vous permettent d’obtenir des insights à partir d’images ou de flux vidéo à la périphérie, sans avoir à transférer au préalable toutes les données en dehors du site.
Supposons que vous travailliez en tant qu’expert en science des données et que vous soyez responsable du déploiement d’Azure AI services, qui implémente la fonction de reconnaissance d’images utilisée par les caisses automatiques des supermarchés. Le système doit inclure une fonctionnalité de conversion d’image en voix pour permettre aux personnes malvoyantes d’utiliser la caisse automatique. Le système va comparer l’image de l’article scanné à un modèle Machine Learning préentraîné afin d’identifier l’article. L’article est alors pesé et son coût est calculé en fonction de l’identification. Cette fonctionnalité évite à la personne malvoyante d’avoir à regarder de quel article il s’agit. À l’aide de la conversion de texte par synthèse vocale, le client est informé par un message audio que l’article a été scanné. La logique métier du module de reconnaissance des images se trouve dans l’appareil. Le système identifie l’article scanné et convertit l’étiquette de l’image en parole.
Pour implémenter cette approche, vous pouvez créer et entraîner le module de reconnaissance des images dans le cloud en le dédiant à un domaine donné (par exemple, identifier des fruits), puis vous pouvez déployer le modèle en tant que conteneur sur l’appareil.
Dans ce module, vous allez exécuter une solution Azure IoT Edge qui utilise Azure Custom Vision et le service de reconnaissance vocale Azure, puis vous allez déployer la solution sur l’appareil périphérique. L’application se compose d’un certain nombre de modules qui scannent les articles à l’aide d’une caméra, qui classent les articles scannés par catégorie et qui convertissent le nom des articles identifiés en parole.
À la fin de ce module, vous serez capable de connecter des appareils IoT à Cognitive Services et de déployer votre solution sur l’appareil IoT Edge. L’application vous indiquera (par un message audio) que les articles ont été scannés.
Objectifs d’apprentissage
Utilisez un module préentraîné de classification d’images avec Azure AI services
Déployer votre solution sur IoT Edge à l’aide de Visual Studio Code
Vérifier si un module s’exécute correctement
Prérequis
Connaissance de base d’IoT Edge
Connaissance de base sur Azure AI services
Savoir utiliser Visual Studio Code
Abonnement Azure
Ordinateur Linux servant d’appareil Azure IoT Edge simulé
Caméra USB