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.

1. 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.

2. 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.

3. 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.

4. 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.

5. 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.

6. 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

Interface do usuário e cenários na IA de pesquisa visual do Azure IoT Edge