Azure ve Azure Stack Hub kullanarak AI tabanlı bir alt bilgi algılama çözümü Azure Stack Hub

  • Makale
  • Okumak için 5 dakika

Bu makalede Azure, Azure Stack Hub ve Özel Görüntü İşleme AI Dev Kit kullanarak gerçek dünya eylemlerinden içgörüler oluşturan bir Özel Görüntü İşleme dağıtımı açıklanmıştır.

Bu çözümde şunların nasıl olduğunu öğrenirsiniz:

  • Uçta Buluta Özel Uygulama Paketleri (CNAB) dağıtın.
  • Bulut sınırlarını kapsayan bir uygulama dağıtın.
  • Uçta Özel Görüntü İşleme için AI Dev Kit'i kullanın.

İpucu

Stack Hub'ın Microsoft Azure hibrit sütunlar diyagramı Azure'ın bir uzantısıdır. Azure Stack Hub, bulut bilişimin çeviklik ve yeniliklerini şirket içi ortamınıza getirerek her yerde karma uygulamalar derlemenize ve dağıtmanıza olanak sağlayan tek hibrit buluta olanak sağlar.

Karma uygulama tasarımı konusunda dikkat edilmesi gerekenler makalesi, karma uygulamaları tasarlama, dağıtma ve çalıştırmaya yönelik yazılım kalitesinin (yerleştirme, ölçeklenebilirlik, kullanılabilirlik, dayanıklılık, yönetilebilirlik ve güvenlik) temellerini gözden almaktadır. Tasarımla ilgili önemli noktalar, karma uygulama tasarımını iyileştirmeye yardımcı olarak üretim ortamlarındaki zorlukları en aza indirmeye yardımcı olur.

Önkoşullar

Bu dağıtım kılavuzuna başlamadan önce şunların doğru olduğundan emin olun:

Hibrit bulut uygulamasını dağıtma

İlk olarak, Bir kimlik bilgisi kümesi oluşturmak için Cli Cli'yi kullanın, ardından bulut uygulamasını dağıtın.

  1. Çözüm örnek kodunu içeren depoyu kopya edin veya indirin.

  2. Will, uygulamanın dağıtımını otomatikleştiren bir kimlik bilgileri kümesi oluşturacak. Kimlik bilgisi oluşturma komutunu çalıştırmadan önce aşağıdakilerin kullanılabilir olduğundan emin olun:

    • Hizmet sorumlusu kimliği, anahtar ve kiracı DNS'i de dahil olmak üzere Azure kaynaklarına erişmek için bir hizmet sorumlusu.
    • Azure aboneliğinizin abonelik kimliği.
    • Hizmet sorumlusu kimliği, Azure Stack Hub ve kiracı DNS dahil olmak üzere farklı kaynaklara erişmek için bir hizmet sorumlusu.
    • Azure Stack Hub aboneliğinizin abonelik kimliği.
    • Azure Bilişsel Hizmetler Yüz Tanıma API'si anahtarınız ve kaynak uç nokta URL'niz.

  3. Credential kimlik bilgisi oluşturma işlemini çalıştırın ve yönergeleri izleyin:

    porter creds generate --tag intelligentedge/footfall-cloud-deployment:0.1.0

  4. Ayrıca, çalıştırması için bir dizi parametre gerekir. Parametre metin dosyası oluşturun ve aşağıdaki ad/değer çiftlerini girin. Gerekli Azure Stack Hub yardıma ihtiyacınız varsa yöneticinize sorun.

    Not

    değeri, resource suffix dağıtım kaynaklarınızı Azure genelinde benzersiz adlara sahip olduğundan emin olmak için kullanılır. 8 karakterden uzun olmayan benzersiz bir harf ve sayı dizesi olmalıdır.

    azure_stack_tenant_arm="Your Azure Stack Hub tenant endpoint"
azure_stack_storage_suffix="Your Azure Stack Hub storage suffix"
azure_stack_keyvault_suffix="Your Azure Stack Hub keyVault suffix"
resource_suffix="A unique string to identify your deployment"
azure_location="A valid Azure region"
azure_stack_location="Your Azure Stack Hub location identifier"
powerbi_display_name="Your first and last name"
powerbi_principal_name="Your Power BI account email address"

    Metin dosyasını kaydedin ve yolunu not kaydedin.

  5. Artık Karma bulut uygulamasını Kullanıma Hazır'ı kullanarak dağıtmaya hazır olursanız. Yükleme komutunu çalıştırın ve kaynaklar Azure'a dağıtılırken izleyin ve Azure Stack Hub:

    porter install footfall-cloud –tag intelligentedge/footfall-cloud-deployment:0.1.0 –creds footfall-cloud-deployment –param-file "path-to-cloud-parameters-file.txt"

  6. Dağıtım tamamlandıktan sonra aşağıdaki değerleri not etmek için:

    • Kameranın bağlantı dizesi.
    • Görüntü depolama hesabı bağlantı dizesi.
    • Kaynak grubu adları.

Özel Görüntü İşleme AI DevKit'i hazırlama

Ardından, Görüntü Özel Görüntü İşleme DevKit hızlı başlangıçta gösterildiği gibi AI Dev Kit'i ayarlayın. Ayrıca, önceki adımda sağlanan bağlantı dizesini kullanarak kameranızı ayarp test edin.

Kamera uygulamasını dağıtma

Bir kimlik bilgisi kümesi oluşturmak için Cli Cli'yi kullanın ve kamera uygulamasını dağıtın.

  1. Will, uygulamanın dağıtımını otomatikleştiren bir kimlik bilgileri kümesi oluşturacak. Kimlik bilgisi oluşturma komutunu çalıştırmadan önce aşağıdakilerin kullanılabilir olduğundan emin olun:

    • Hizmet sorumlusu kimliği, anahtar ve kiracı DNS'i de dahil olmak üzere Azure kaynaklarına erişmek için bir hizmet sorumlusu.
    • Azure aboneliğinizin abonelik kimliği.
    • Bulut uygulamasını dağıtıldığında sağlanan görüntü depolama hesabı bağlantı dizesi.

  2. Credential kimlik bilgisi oluşturma işlemini çalıştırın ve yönergeleri izleyin:

    porter creds generate --tag intelligentedge/footfall-camera-deployment:0.1.0

  3. Ayrıca, çalıştırması için bir dizi parametre gerekir. Parametre metin dosyası oluşturun ve aşağıdaki metni girin. Gerekli Azure Stack Hub bilmiyorsanız yöneticinize sorun.

    Not

    değeri, deployment suffix dağıtım kaynaklarınızı Azure genelinde benzersiz adlara sahip olduğundan emin olmak için kullanılır. 8 karakterden uzun olmayan benzersiz bir harf ve sayı dizesi olmalıdır.

    iot_hub_name="Name of the IoT Hub deployed"
deployment_suffix="Unique string here"

    Metin dosyasını kaydedin ve yolunu not kaydedin.

  4. Artık Kamera uygulamasını Kullanıma Hazır'ı kullanarak dağıtmaya hazır olursanız. Yükleme komutunu çalıştırın ve dağıtım oluşturulurken IoT Edge izleyin.

    porter install footfall-camera –tag intelligentedge/footfall-camera-deployment:0.1.0 –creds footfall-camera-deployment –param-file "path-to-camera-parameters-file.txt"

  5. kamera beslemesini (burada kamera IP adresidir) görüntüerek kameranın https://<camera-ip>:3000/<camara-ip> dağıtımının tamamlandıktan emin olun. Bu adım 10 dakika kadar sürebilir.

Yapılandırma Azure Stream Analytics

Artık veriler kameradan Azure Stream Analytics veri akışına göre, veri kaynağıyla iletişim kurması için el ile yetkilendirmemiz Power BI.

  1. Aşağıdaki Azure portal Tüm Kaynaklar'ıve process-footfall[yoursuffix] işini açın.

  2. Stream Analytics iş bölmesinin İş Topolojisi bölümünde Çıkışlar seçeneğini belirleyin.

  3. Traffic-output çıkış havuzu seçin.

  4. Yetkilendirmeyi yenile'yi seçin ve Power BI oturum açın.

    Power BI'da yetkilendirme istemini Power BI

  5. Çıkış ayarlarını kaydedin.

  6. Genel bakış bölmesine gidin ve Power BI veri göndermeye başlamak için Başlat ' ı seçin.

  7. İş çıkışı başlangıç saati için Şimdi’yi seçip Başlat seçeneğini belirleyin. İş durumunu bildirim çubuğunda durumu görüntüleyebilirsiniz.

Power BI panosu oluşturma

  1. iş başarılı olduktan sonra, Power BI gidin ve iş veya okul hesabınızla oturum açın. Stream Analytics iş sorgusu sonuçları alıyorsa, oluşturduğunuz alt veri kümesi veri kümesi veri kümeleri sekmesinde bulunur.

  2. Power BI çalışma alanınızdan, ptfall analizi adlı yeni bir pano oluşturmak için + oluştur ' u seçin.

  3. Pencerenin üst kısmındaki Kutucuk ekle’yi seçin. Ardından Özel Akış Verileri'ni ve İleri'yi seçin. Veri kümelerinizaltındaki alt veri kümesini seçin. Görselleştirme türü açılan menüsünden kart ' ı seçin ve alanlara yaş ekleyin . İleri'yi seçip ad belirledikten sonra Uygula'yı seçerek kutucuğu oluşturun.

  4. İstediğiniz gibi ek alanlar ve kartlar ekleyebilirsiniz.

Çözümünüzü test etme

farklı kişilerin kameranın önüne ilerleyirken Power BI ' de oluşturduğunuz karttaki verilerin değiştiğini gözlemleyin. Inele, kaydedildikten sonra görünmesi 20 saniyeye kadar sürebilir.

Çözümünüzü kaldırma

Çözümünüzü kaldırmak isterseniz, dağıtım için oluşturduğunuz aynı parametre dosyalarını kullanarak, Porter kullanarak aşağıdaki komutları çalıştırın:

porter uninstall footfall-cloud –tag intelligentedge/footfall-cloud-deployment:0.1.0 –creds footfall-cloud-deployment –param-file "path-to-cloud-parameters-file.txt"

porter uninstall footfall-camera –tag intelligentedge/footfall-camera-deployment:0.1.0 –creds footfall-camera-deployment –param-file "path-to-camera-parameters-file.txt"

Sonraki adımlar