Armazenamento de imagens na IA de pesquisa visual do Azure IoT Edge
O armazenamento e o gerenciamento de imagens são funções importantes nas soluções de pesquisa visual computacional do Azure IoT Edge.
Os requisitos de armazenamento de imagens incluem:
- Armazenamento rápido para evitar gargalos de pipeline e perda de dados
- Armazenamento e rotulagem na borda e na nuvem
- Recuperação fácil de imagens brutas armazenadas para rotulagem
- Categorização de imagens para fácil recuperação
- Nomenclatura e marcação para vincular imagens com metadados inferidos
Você pode combinar o Armazenamento de Blobs, o Hub IoT do Azure e o IoT Edge de várias maneiras diferentes de armazenar dados de imagem. Por exemplo:
- Use um módulo de armazenamento de blobs do Azure IoT Edge para sincronizar automaticamente as imagens para o Armazenamento de Blobs do Azure por meio da política.
- Armazene imagens em um sistema de arquivos de host local e carregue-as no Armazenamento de Blobs usando um módulo personalizado.
- Use um banco de dados local para armazenar imagens e sincronize-as com o banco de dados na nuvem.
Exemplo de fluxo de trabalho de armazenamento
As etapas a seguir descrevem um fluxo de trabalho típico que usa um módulo de armazenamento de blobs do IoT Edge.
O módulo de blobs do IoT Edge armazena dados brutos localmente após a ingestão, com carimbo de data/hora e numeração de sequência para identificar exclusivamente os arquivos de imagem.
Um conjunto de políticas no módulo de blobs do IoT Edge carrega automaticamente os dados da imagem para o Armazenamento de Blobs do Azure, com ordenação.
Para economizar espaço, o dispositivo IoT Edge exclui automaticamente os dados locais após um determinado período de tempo. O dispositivo também possui a opção de retenção durante o upload definida, para garantir que todas as imagens sejam sincronizadas com a nuvem antes da exclusão.
A categorização ou rotulagem local usa um módulo que lê imagens em uma interface do usuário. Os dados do rótulo associam-se ao URI da imagem, juntamente com coordenadas e categoria.
Um banco de dados local armazena os metadados de imagem e sincroniza com a nuvem usando mensagens de telemetria. O armazenamento local dá suporte à pesquisa fácil da interface do usuário.
Durante uma execução de pontuação, o modelo de machine learning detecta padrões correspondentes e gera eventos de interesse.
- O modelo envia esses metadados para a nuvem por meio de telemetria que se refere ao URI da imagem.
- Opcionalmente, o modelo também armazena esses metadados no banco de dados local para a interface do usuário de borda.
- As próprias imagens continuam sendo armazenadas no módulo de blobs do IoT Edge e sincronizadas com o Armazenamento de Blobs do Azure.
Colaboradores
Esse artigo é mantido pela Microsoft. Ele foi originalmente escrito pelos colaboradores a seguir.
Autor principal:
- Keith Hill | Gerente Sênior de PM
Para ver perfis não públicos do LinkedIn, entre no LinkedIn.
Próximas etapas
Comentários
https://aka.ms/ContentUserFeedback.
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulteEnviar e exibir comentários de