L’engagement de Microsoft envers l’avancement des applications low-code et no-code va bien au-delà de sa Power Platform. Le même modèle de port et de pipeline alimente sa plate-forme Azure Logic Apps et les composants du studio Azure Machine Learning. La connexion de composants prédéfinis n’offre peut-être pas la polyvalence nécessaire pour créer vos propres applications à partir de zéro, mais c’est un moyen rapide de fournir de la valeur. En même temps, c’est une méthode pour générer des capacités de développement non traditionnelles qui peuvent ajouter des lacunes sur les connaissances.
Un domaine où il y a un décalage entre l’avancement des applications et le monde physique est la santé et la sécurité. Les individus sont imprévisibles, ce qui rend difficile la conception d’applications qui peuvent aider à déterminer les dangers potentiels dans l’atelier ou autour de l’équipement. L’une des options est d’utiliser l’outil de découverte basé sur la vision d’un système informatique pour construire des modèles d’habitudes normales qui permettent de reconnaître rapidement les anomalies. Une caméra vidéo surveillant un ensemble de pompes à essence peut être formée pour identifier quelqu’un qui fume des cigarettes ; une came par une presse hydraulique peut être entraînée pour garder un œil sur le moment où un opérateur ou un passant sort de l’espace sécurisé.
Présentation d’Azure Percept
La question est de savoir comment développer et déployer rapidement un système de découverte de machines axé sur la sécurité ? C’est là que la plate-forme Azure Percept de Microsoft est disponible, une version ciblée de sa plate-forme de pointe Azure Web of Things combinée à un ensemble de spécifications matérielles et à un environnement de développement d’applications low-code hébergé dans le cloud avec un modèle de mise en œuvre conteneurisé. Il offre un kit de développement basé sur le montage standard de l’industrie afin que vous puissiez créer et vérifier des applications avant de les déployer sur des systèmes sur site. Il utilise les rails de montage 80/20 familiers utilisés pour de nombreux appareils électroniques commerciaux afin qu’il fonctionne avec les supports et les systèmes de circulation d’alimentation existants, en réduisant les dépenses au minimum.
Microsoft a fait beaucoup pour rendre son Azure Cognitive Solutions portables, offrant des environnements d’exécution conteneurisés qui vous permettent d’utiliser du matériel de périphérie pour l’inférence au lieu d’envoyer des informations à des ressources Azure centralisées. Cette approche permet d’économiser sur les dépenses de bande passante, vous permettant de fournir un ensemble beaucoup plus petit de résultats à vos applications au lieu d’envoyer des gigaoctets d’images en streaming. Les sites Web périphériques sont généralement limités en bande passante, donc l’utilisation de cette approche vous permet d’exécuter des applications basées sur l’apprentissage automatique là où elles sont nécessaires, et non là où la bande passante est offerte.
Un gadget intelligent programmable pour les débutants
Pour démarrer, il faut le kit Azure Percept DK à un prix raisonnable, actuellement vendu 349 $. Il peut être trouvé en deux parties : une unité de calcul de bord et une came sage. Un troisième élément, un microphone intelligent, est proposé pour les applications de prédiction basées sur l’audio, telles que la surveillance des moteurs à la recherche de signes de défaillance éventuelle. Le système de calcul de pointe est basé sur un système NXP Arm, exécutant la propre distribution Linux CBL-Mariner de Microsoft, et la caméra électronique utilise un système de vision par ordinateur dédié Intel Movidius. Les deux sont développés pour vous permettre de démarrer rapidement. Microsoft recommande que vous puissiez passer du « prêt à l’emploi aux premières images d’IA en moins de 10 minutes ».
Les applications sont développées dans Azure Percept Studio basé sur le cloud, avec une sélection de modèles prédéfinis. Si vous connaissez les outils Cognitive Services de Microsoft, vous pouvez également utiliser le studio d’intelligence artificielle Azure ou un environnement de développement local à l’aide de Visual Studio Code. La boîte à outils locale est basée sur Python et TensorFlow, avec OpenVINO d’Intel pour prendre en charge le processeur de vision Movidius. D’autres environnements d’implémentation, tels que Nvidia, sont pris en charge afin que vous construisiez vos propres caméras électroniques à l’aide de Jetson ou que vous travailliez avec des fournisseurs tiers pour ajouter leur matériel à une implémentation Percept. Les outils peuvent être téléchargés en tant que pack de développement unique, créant un environnement prêt à l’emploi sur Windows, macOS ou Linux.
Essayer Azure Percept
Les modèles intégrés suffisent pour commencer, car ils couvrent les situations de vision Web des objets industriels les plus courantes. En plus de détecter les personnes et les voitures, il existe même un modèle pour détecter les objets sur les étagères. En plus d’un modèle de détection d’articles, cela pourrait vous donner un ensemble d’outils pour assembler rapidement un suivi de niveau de stock de base pour suivre les consommables ou garantir que les pièces de rechange sont facilement disponibles.
Vous pouvez bénéficier de solutions prêtes à l’emploi comme un compteur de personnes. Cet exemple utilise la caméra vidéo pour compter le nombre d’individus dans un emplacement désigné, en fournissant la réponse à une boutique de données Azure et en utilisant une application Web pour afficher des images en plus de compter les données. Bien qu’il ne soit pas particulièrement bénéfique en soi, c’est un excellent moyen d’expérimenter le matériel Percept, en découvrant à la fois ses performances et les types de données qu’il peut fournir à vos propres services. Peut-être exploitez-vous un espace achalandé qui nécessite une surveillance pour garantir le respect des politiques en matière de licences ou d’incendie, ou peut-être souhaitez-vous avoir une idée de la circulation dans les zones typiques ou du temps d’attente des ascenseurs.
Structurez votre premier l’application est simple et rapide. Un abonnement Azure est essentiel, car vous utiliserez un conteneur Cognitive Services pour héberger et exécuter votre modèle. Cela suggère qu’une fois la plate-forme sortie de l’aperçu, elle aura des coûts d’utilisation, mais pour l’instant elle est totalement gratuite. Le kit de développement Azure Percept est traité comme un appareil connecté à un Azure IoT Center. (Vous pouvez développer un nouveau centre ou vous connecter à une ressource existante.) Le gadget lui-même est lié à votre réseau sans fil et configuré à l’aide de son propre serveur Web intégré. Pour une gestion plus complète, une console de gadgets est accessible via Secure Shell.
Modèles d’entraînement et d’affinement pour Percept
Si vous utilisez le modèle général de vision par ordinateur, vous pouvez l’entraîner beaucoup comme la formation du modèle personnalisé de services cognitifs de vision du système informatique. Prenez simplement une série d’images à l’aide d’Azure Percept Studio et identifiez-les correctement avant de former la conception et d’examiner ses performances. Une fois formé, vous pouvez choisir une version à publier du Studio sur votre gadget, en utilisant le site Web pour vérifier la conception par rapport à un flux en direct de la caméra électronique Percept. Les modèles peuvent être réentrainés avec des données supplémentaires, en utilisant les informations de probabilité de votre flux pour affiner les images pour le réentraînement.
Des solutions plus complexes développées à l’aide de Visual Studio Code et de TensorFlow peuvent être gérées à l’aide de GitHub pour héberger un Registre Windows du conteneur pour déployer des modèles prêts à l’emploi sur les gadgets Percept. Les conceptions ont des points de terminaison de base qui peuvent être utilisés dans d’autres applications, soit dans un code personnalisé, soit en tant que point de terminaison à faible code pour Power Apps ou Power Automate. Par exemple, vous pouvez utiliser la sortie de Percept comme entrée d’un travail Stream Analytics, chaque détection étant un message pouvant être géré à l’aide d’outils Azure familiers.
Des outils comme Azure Percept comblent le fossé entre le logiciel et matériel, vous offrant des méthodes de base pour gérer et établir votre propre matériel intelligent. Azure Percept vous offre un accès à du matériel économique qui est prêt à fonctionner avec des modèles de recherche de fabricants conteneurisés, en mettant l’accent sur un ensemble minimal de circonstances. Lorsque Microsoft parle de « la périphérie intelligente », il parle de gadgets comme celui-ci. Les gadgets finissent par être des microservices, et commencer par le développement sans code mène directement à la création de modèles de découverte de créateurs sur mesure, passant de débutant à spécialiste selon votre propre horaire.
.
Toute l’actualité en temps réel, est sur L’Entrepreneur
