Interfaces de IoT sin contacto con la inteligencia perimetral de Azure

Cognitive Services
IoT Edge
IoT Hub
Storage
Machine Learning

El negocio sin contacto es la nueva normalidad. El mundo se ha vuelto más consciente de las superficies que muchas personas tocan a diario y del peligro que entrañan. Las interfaces sin contacto reducen o eliminan los puntos de contacto físicos, como los botones de los semáforos, las pantallas táctiles, las manijas de las puertas y los controles de los ascensores mediante la creación de experiencias sin contacto que son a la vez seguras y agradables para los usuarios.

Avanade y el grupo de trabajo de COVID-19 de Microsoft se han asociado para desarrollar interfaces sin contacto con la plataforma de inteligencia perimetral de Azure. Esta solución combina dispositivos perimetrales de Internet de las cosas (IoT) inteligentes y perceptivos con las funcionalidades de almacenamiento, computación, inteligencia artificial (IA) y aprendizaje automático (ML) de la nube de Azure.

Los dispositivos IoT Edge pueden reconocer y responder rápidamente a la voz, la imagen, el gesto o la entrada multimodal mediante el procesamiento incorporado. Azure IoT Hub en la nube controla los dispositivos y los conecta a los recursos de Azure. Azure Cognitive Services y Machine Learning entrenan y actualizan continuamente los modelos para mejorar la precisión y el rendimiento de la interfaz.

Posibles casos de uso

  • Convierta los puntos de contacto públicos en interfaces sin contacto para usos como el acceso a edificios y salas, los controles de los ascensores, las ventas en comercios minoristas y máquinas expendedoras y la señalización de tránsito y tráfico.
  • Use la voz u otros controles sin contacto con puntos de conexión móviles típicos como los teléfonos.

Architecture

Diagrama de la arquitectura: Interfaces sin contacto y otros dispositivos perimetrales de IoT que se usan como parte de una solución de nube inteligente de Azure.

  1. Los puntos de conexión, como micrófonos, cámaras y pantallas táctiles, recopilan datos.
  2. La incorporación de unidades de procesamiento de voz en los dispositivos IoT Edge aplica habilidades cognitivas y modelos de aprendizaje automático actualizados a los datos locales.
  3. IoT Hub en la nube de Azure controla y se comunica con los dispositivos perimetrales, recibe datos y envía modelos actualizados.
  4. Azure Storage almacena los datos cargados.
  5. Azure Machine Learning utiliza los datos para entrenar sus modelos de inteligencia artificial (IA).
  6. IoT Hub envía los modelos de aprendizaje automático actualizados a los dispositivos perimetrales.

Componentes

  • El servicio Azure IoT Edge implementa cargas de trabajo en la nube para que se ejecuten en dispositivos IoT Edge mediante contenedores estándar. Los módulos pueden ejecutar inteligencia artificial, otros servicios de Azure y de terceros, o su propia lógica de negocios. Los dispositivos inteligentes IoT Edge pueden responder de forma rápida y desconectada, así como limitar los costos al procesar previamente y enviar solo los datos que sean necesarios a la nube.
  • Azure IoT Hub proporciona un back-end hospedado en la nube para conectar virtualmente cualquier dispositivo IoT con Azure Cloud Services. IoT Hub permite la comunicación bidireccional, la administración y el aprovisionamiento de alta seguridad y confianza para dispositivos IoT Edge.
  • Azure Storage proporciona un almacenamiento flexible, escalable y seguro en la nube de Azure. La solución actual utiliza blobs en bloques para almacenar datos no estructurados, blobs en páginas para leer y escribir segmentos de pequeños datos aleatorios y almacenamiento de archivos para recursos compartidos de archivos.
  • Azure Cognitive Services es una familia de servicios de inteligencia artificial (IA) y API cognitivas que ayudan a crear aplicaciones inteligentes. Por ejemplo, el control de voz puede utilizar los servicios Speech to Text y Speaker Recognition. La extensión de la solución al reconocimiento facial o de imagen podía utilizar Computer Vision, Custom Vision y Reconocimiento facial.
  • Machine Learning (ML) utiliza algoritmos para mejorar automáticamente las predicciones de máquina o las decisiones a partir de la experiencia. Los algoritmos de aprendizaje automático compilan y entrenan continuamente modelos matemáticos. Azure Machine Learning le permite compilar, entrenar, implementar, realizar el seguimiento y administrar modelos de aprendizaje automático con escala de nube.

Pasos siguientes