Interfacce IoT contactless con la rete perimetrale intelligente di Azure

Servizi cognitivi
IoT Edge
Hub IoT
Archiviazione
Machine Learning

Soluzione idea

Per ulteriori informazioni, dettagli sull'implementazione, indicazioni sui prezzi o esempi di codice, vedere l'articolo relativo all'espansione di questo articolo con commenti e suggerimenti su GitHub.

L'azienda contactless è la nuova normalità. Il mondo è diventato più a conoscenza e a rischio delle superfici che molte persone toccano ogni giorno. Le interfacce contactless riducono o eliminano i touchpoint fisici, ad esempio i pulsanti semafori, i touchscreen, i punti di controllo delle porte e i controlli degli ascensori, creando esperienze sicure e gradevoli per gli utenti.

Avanade e la task force Microsoft COVID-19 hanno collaborato per sviluppare interfacce contactless usando la piattaforma perimetrale intelligente di Azure. Questa soluzione combina dispositivi perimetrali Internet delle cose (IoT) intelligenti e percettivi con le funzionalità di archiviazione, elaborazione, intelligenza artificiale e Machine Learning (ML) del cloud di Azure.

IoT Edge dispositivi possono riconoscere e rispondere rapidamente al parlato, all'immagine, al movimento o all'input multimodale usando l'elaborazione onboard. hub IoT di Azure nel cloud controlla i dispositivi e li connette alle risorse di Azure. Servizi cognitivi di Azure e Machine Learning continuamente il training e l'aggiornamento dei modelli per migliorare l'accuratezza e le prestazioni dell'interfaccia.

Potenziali casi d'uso

  • Trasforma i punti di tocco pubblici in interfacce senza tocco per usi come l'accesso a edifici e camere, controlli degli ascensori, vendite di macchine al dettaglio e distributori automatici e segnalazioni di transito e traffico.
  • Usare comandi vocali o altri controlli contactless con endpoint mobili tipici come i telefoni.

Architettura

Diagramma dell'architettura: interfacce contactless e altri dispositivi IoT Edge usati come parte di una soluzione cloud intelligente di Azure.

  1. Gli end point come microfoni, fotocamere e touchscreen raccolgono i dati.
  2. Eseguire l'onboard delle unità di elaborazione vocale IoT Edge dispositivi applicano set di competenze cognitive e modelli di Machine Learning aggiornati ai dati locali.
  3. L'hub IoT nel cloud di Azure controlla e comunica con i dispositivi perimetrali, ricevendo i dati e inviando modelli aggiornati.
  4. Archiviazione di Azure archivia i dati caricati.
  5. Azure Machine Learning usa i dati per eseguire di nuovo il training dei modelli di intelligenza artificiale.
  6. L'hub IoT inserisce modelli di Machine Learning aggiornati nei dispositivi perimetrali.

Componenti

  • Azure IoT Edge distribuisce carichi di lavoro cloud da eseguire IoT Edge dispositivi tramite contenitori standard. I moduli possono eseguire intelligenza artificiale, altri servizi di Azure e di terze parti o la propria logica di business. IoT Edge dispositivi intelligenti possono rispondere rapidamente e offline e limitare i costi pre-elaborando e inviando al cloud solo i dati necessari.
  • hub IoT di Azure un back-end ospitato nel cloud per connettere praticamente qualsiasi dispositivo IoT ai servizi cloud di Azure. L'hub IoT consente comunicazioni bidirezionali, gestione e provisioning bidirezionali altamente sicure e affidabili per IoT Edge dispositivi.
  • Archiviazione di Azure offre un'archiviazione flessibile, scalabile e sicura nel cloud di Azure. La soluzione corrente usa i BLOB in blocchi per archiviare i dati non strutturati, i BLOB di pagine per leggere e scrivere segmenti di dati casuali di piccole dimensioni e l'archiviazione di file per le condivisioni file.
  • Servizi cognitivi di Azure sono una famiglia di servizi di intelligenza artificiale e API cognitive che consentono di creare app intelligenti. Ad esempio, il controllo vocale può usare Riconoscimento vocale e Riconoscimento del parlante servizi. L'estensione della soluzione al riconoscimento facciale o dell'immagine può Visione artificiale, Visione personalizzatae riconoscimento facciale.
  • Machine Learning (ML) usa algoritmi per migliorare automaticamente le stime o le decisioni dei computer tramite l'esperienza. Gli algoritmi di Machine Learning compilano ed esere continuamente il training di modelli matematici. Azure Machine Learning consente di creare, eseguire il training, distribuire, tenere traccia e gestire modelli di Machine Learning su scala cloud.

Passaggi successivi