はじめに
Azure IoT Edge を使用すると、ワークロードをクラウドからエッジに移動できます。 これにより、データが生成される場所に近いエッジ デバイスでワークロードをローカルで実行できます。 このアプローチは、コンピューター ビジョン モデルなど、大量のデータを処理するサービスに適しています。 IoT Edge で Azure AI サービスを使用してソリューションを構築し、それらをコンテナーとして IoT デバイスにデプロイできます。 Azure IoT Edge と Azure AI サービスを組み合わせて実装すると、すべてのデータを最初にオフサイトに転送することなく、エッジ上の画像やビデオ ストリームから分析情報を検索できます。
データ科学者として勤務しているあなたは、スーパーマーケットで使用されるセルフレジ用の画像認識機能を実装する Azure AI サービスをデプロイする責任があるとします。 システムには、視覚障碍者がセルフレジを使用できるようにするための画像読み上げ機能が含まれる必要があります。 システムでは、スキャンされた商品を識別するために、スキャンされた商品の画像の事前トレーニング済み機械学習モデルに対するチェックが実行されます。 その後、商品が重み付けされ、識別に応じてコストが計算されます。 この設備によって、視覚障碍者が商品を目視で確認する必要性が回避されます。 テキスト読み上げを使用して、商品がスキャンされたことが音声メッセージによって顧客に知らされます。 画像認識モジュールのビジネス ロジックはデバイス内に存在します。 システムによって、スキャンされた商品が識別され、画像のラベルが音声に変換されます。
このアプローチを実装するために、クラウドで特定のドメイン専用 (果物の識別など) の画像認識モジュールを構築してトレーニングし、モデルをコンテナーとしてデバイスにデプロイできます。
このモジュールでは、Azure Custom Vision と Azure 音声サービスを使用する Azure IoT Edge ソリューションを実行し、そのソリューションを Edge デバイスにデプロイします。 アプリケーションは、カメラを使用して商品をスキャンし、スキャンされた商品を分類し、識別された商品を音声に変換するモジュールで構成されます。
このモジュールを終了すると、IoT デバイスをコグニティブ サービスに接続し、ソリューションを IoT Edge デバイスにデプロイできるようになります。 アプリケーションによって、どのような商品がスキャンされたかが (音声を通じて) 通知されます。
学習の目的
事前トレーニング済みの画像分類モジュールを Azure AI サービスで使用する
Visual Studio Code を使用してソリューションを IoT Edge にデプロイする
正常に実行されているモジュールを確認する
前提条件
IoT Edge の基本的な知識
Azure AI サービスに関する基本的な知識
Visual Studio Code を使用できること
Azure サブスクリプション
シミュレートされた Azure IoT Edge デバイスとして機能する Linuxコンピューター
USB カメラ