簡介

  • 4 分鐘

Azure IoT Edge 可讓您將工作負載從雲端移至邊緣。 這樣做可讓您在邊緣裝置本機上執行您的工作負載，更接近資料的產生位置。 這種方法非常適合處理大量資料的服務，例如電腦視覺模型。 具有 IoT Edge 的 Azure AI 服務可讓您建置解決方案，並將其部署至 IoT 裝置作為容器。 在一起執行時，Azure IoT edge 和 Azure AI 服務可讓您從邊緣的影像或影片串流中找出見解，而不需先將所有資料傳送至外部網站。

假設您為資料科學家，而且您負責部署 Azure AI 服務，以針對超市中使用的自助結帳處來執行影像辨識功能。 系統應包含影像到語音轉換功能，讓視力受損的人員能使用自助結帳處。 系統會以預先定型的機器學習模型對比已掃描的項目影像，以識別掃描的項目。 然後，系統會將該項目進行加權，並根據識別來計算成本。 這項設施可使得視力受損的人員無須查看該項目。 使用文字轉換語音，客戶將會收到已掃描項目的音訊訊息。 影像辨識模組的商務邏輯將位於裝置中。 系統會識別掃描的項目，並將影像的標籤轉換成語音。

若要執行這種方法，您可以在雲端中建立並定型，且專用於指定的網域 (例如識別水果) 的影像辨識模組，並將模型作為容器部署至裝置。

The illustration shows the scenario image.

在本課程模組中，您將執行使用 Azure 自訂視覺和 Azure 語音服務的 Azure IoT edge 解決方案，並將解決方案部署至邊緣裝置。 應用程式是由數個使用攝影機掃描項目、分類已掃描的項目，以及將識別的項目轉換為語音的模組所組成。

在此課程模組結束時，您將能夠將 IoT 裝置連線到認知服務，並將您的解決方案部署到 IoT Edge 裝置。 應用程式會告訴您 (透過音訊) 哪些項目已經過掃描。

學習目標

  • 使用預先定型的影像分類模組搭配 Azure AI 服務

  • 使用 Visual Studio Code 將方案部署到 IoT Edge

  • 確認成功執行的模組

必要條件

  • IoT Edge 的基本知識

  • Azure AI 服務的基本知識

  • 使用 Visual Studio Code 的能力

  • Azure 訂用帳戶

  • 作為模擬 Azure IoT Edge 裝置的 Linux 電腦

  • USB 攝影機