Interfaces IoT sans contact avec une périphérie intelligente Azure

Cognitive Services
IoT Edge
IoT Hub
Stockage
Machine Learning

Le sans contact est devenu la nouvelle norme. Le monde a pris conscience des risques liés aux surfaces que tant de personnes touchent tous les jours. Les interfaces sans contact permettent de réduire voire d’éliminer les points de contact physiques, comme les boutons de feux de circulation, les écrans tactiles, les poignées de porte et les commandes d’ascenseurs en créant des expériences sans contact à la fois sûres et agréables pour les utilisateurs.

Avanade et le groupe de travail Microsoft COVID-19 ont conclu un partenariat pour développer des interfaces sans contact à l’aide de la plateforme de périphérie intelligente Azure. Cette solution associe les périphérique IoT (Internet des objets) intelligents et perceptifs aux capacités de stockage, de calcul, d’intelligence artificielle (IA) et de machine learning (ML) du cloud Azure.

Les appareils IoT Edge peuvent rapidement reconnaître et réagir à la parole, à l’image, au mouvement ou à l’entrée multimodale en utilisant un traitement intégré. Azure IoT Hub dans le cloud contrôle les appareils et les connecte aux ressources Azure. Azure Cognitive Services et Machine Learning entraînent et mettent constamment à jour des modèles pour améliorer la précision et les performances de l’interface.

Cas d’usage potentiels

  • Transformez les points de contact publics en interfaces sans contact pour des usages tels que l’accès aux bâtiments et aux pièces, les commandes d’ascenseurs, la vente au détail et les distributeurs automatiques ainsi que la signalisation de transit et de trafic.
  • Utilisez la voix ou d’autres commandes sans contact avec des points de terminaison mobiles classiques comme les téléphones.

Architecture

Diagramme d’architecture : interfaces sans contact et autres appareils IoT Edge utilisés dans le cadre d’une solution cloud intelligente Azure.

  1. Les points de terminaison que sont les microphones, les caméras et les écrans tactiles collectent des données.
  2. Les unités de traitement vocal intégrées des appareils IoT Edge appliquent des compétences cognitives et des modèles de machine learning mis à jour aux données locales.
  3. Le hub IoT du cloud Azure contrôle les périphériques et communique avec eux, recevant des données et envoyant les modèles mis à jour.
  4. Stockage Azure stocke les données chargées.
  5. Azure Machine Learning utilise les données pour réentraîner ses modèles IA.
  6. IoT Hub envoie (push) les modèles de machine learning mis à jour aux périphériques.

Components

  • Le service Azure IoT Edge déploie les charges de travail cloud à exécuter sur les appareils IoT Edge via des conteneurs standard. Les modules peuvent exécuter l’IA, d’autres services Azure et tiers ou votre propre logique métier. Les appareils intelligents IoT Edge peuvent répondre rapidement et en mode hors connexion ; ils permettent en outre de limiter les coûts en prétraitant et envoyant uniquement les données nécessaires au cloud.
  • Azure IoT Hub propose un back-end hébergé dans le cloud afin de connecter pratiquement n’importe quel appareil IoT aux services cloud Azure. IoT Hub permet une communication, une gestion et un approvisionnement bidirectionnels très sécurisés et fiables pour les appareils IoT Edge.
  • Stockage Azure offre un stockage flexible, scalable et sécurisé dans le cloud Azure. La solution actuelle utilise des objets blob de blocs pour stocker les données non structurées, des objets blob de pages pour lire et écrire des segments de données de petite taille aléatoires et un stockage de fichiers pour les partages de fichiers.
  • Azure Cognitive Services est une famille de services d’IA et d’API cognitives qui aident à créer des applications intelligentes. Par exemple, le contrôle vocal peut utiliser les services Reconnaissance vocale et Reconnaissance de l’orateur. Les services Vision par ordinateur, Custom Vision et Reconnaissance faciale peuvent être utilisés pour étendre la solution à la reconnaissance d’images ou faciale.
  • Machine Learning (ML) utilise des algorithmes pour améliorer automatiquement les prédictions ou les décisions machine par l’expérience. Les algorithmes de machine learning créent et entraînent constamment des modèles mathématiques. Azure Machine Learning vous permet de créer, entraîner, déployer, suivre et gérer des modèles ML à l’échelle du cloud.

Étapes suivantes