まとめ
小売店の陳列棚の空きスペースを検出するシナリオについて考えます。 目標は、カメラで機械学習モデルを実行し、オブジェクトのモデルをトレーニングしてエッジ デバイスにデプロイし、陳列棚の空きを検出できるようにすることです。 Live Video Analytics (LVA) on IoT Edge を使用すると、既存のカメラを利用してビデオ フィードを生成できます。 Custom Vision を使用して、既存のカメラ フィードから画像を手動でキャプチャし、オブジェクトにラベルを付け、エッジで構築されるようにモデルをデプロイできます。
エッジで分析を実行した後、その結果をビジネス ロジックなどの他のサービスに発行するか、クラウド内の Azure サービスに直接発行します。 そのため、この組み合わせにより、エッジとクラウドにまたがるビジネス アプリケーションをビルドできます。
クリーンアップ
サブスクリプションで作業している場合は、プロジェクトの終了時に、作成したリソースが今後も必要かどうかを確認することをお勧めします。 リソースを実行したままにすると、お金がかかる場合があります。 リソースを個別に削除するか、リソース グループを削除してリソースのセット全体を削除することができます。