Application de la technologie CV environnementale dans les systèmes IoT de nouvelle génération

Aujourd'hui, la technologie de vision par ordinateur (CV) est à un point d'inflexion, avec des tendances majeures convergeant pour rendre la technologie cloud omniprésente dans les petits appareils d'IA de pointe optimisés pour des utilisations spécifiques et souvent alimentés par des batteries.

Les avancées technologiques répondent à des défis spécifiques qui permettent à ces appareils d'exécuter des fonctions complexes de manière native dans des environnements contraints, notamment en termes de taille, de puissance et de mémoire. Cette technologie d'IA centrée sur le cloud s'étend jusqu'à la périphérie, et de nouveaux développements rendront la vision de l'IA à la périphérie omniprésente

Comprendre la technologie

La technologie CV est en effet à la pointe et permet à l'interface homme-machine (IHM) de niveau supérieur.

Les appareils sensibles au contexte peuvent non seulement détecter l'utilisateur, mais également l'environnement dans lequel il se trouve, afin de prendre de meilleures décisions et de réaliser des interactions automatisées plus utiles.

Par exemple, un smartphone peut détecter visuellement l'attention de l'utilisateur et ajuster son comportement et sa stratégie énergétique en conséquence. Ceci est utile pour économiser de l'énergie (éteindre l'appareil lorsqu'aucun utilisateur n'est détecté), améliorer la sécurité (détecter les utilisateurs non autorisés ou les « rôdeurs » indésirables) et offrir une expérience utilisateur plus fluide. En fait, en suivant le regard des spectateurs (détection des spectateurs), la technologie peut alerter davantage l'utilisateur et masquer le contenu de l'écran jusqu'à ce que l'utilisateur ne soit pas obstrué.

Autre exemple : les téléviseurs intelligents peuvent détecter si quelqu'un regarde et d'où, puis ajuster la qualité de l'image et du son en conséquence. Il peut s'éteindre automatiquement pour économiser de l'énergie lorsque personne n'est présent. Les systèmes de climatisation optimisent la puissance et le débit d’air en fonction de l’occupation de la pièce afin de réduire les coûts énergétiques.

L'émergence des bureaux à domicile et des modèles de travail hybrides a rendu les cas d'utilisation intelligente de l'énergie dans les bâtiments et autres instances encore plus importants sur le plan financier

Les applications de cette technologie ne se limitent pas aux téléviseurs et aux PC, mais s'étendent également à l'industrie manufacturière et à d'autres secteurs. un rôle essentiel dans le domaine industriel. Par exemple, en termes de supervision de la sécurité, il peut être utilisé pour la détection d'objets, la maintenance prédictive et le contrôle des processus de fabrication, comme le respect des zones réglementées, des passages sécurisés et des équipements de protection. L'agriculture est également un autre domaine qui peut bénéficier de la technologie de connaissance de la situation basée sur la vision, comme l'inspection des cultures et le contrôle de la qualité.

Applications de la vision par ordinateur

Les progrès de l'apprentissage profond ont rendu possibles de nombreuses choses étonnantes dans le domaine de la vision par ordinateur. Beaucoup de gens ne savent même pas comment ils utilisent la technologie de vision par ordinateur dans leur vie quotidienne. Par exemple :

• Classification d'images et détection d'objets : la détection d'objets combine la classification et la localisation pour identifier les objets dans une image ou une vidéo et spécifier leur emplacement dans l'image. Il applique la classification à différents objets et utilise des cadres de délimitation. CV fonctionne via les téléphones mobiles et peut être utilisé pour identifier des objets dans des images ou des vidéos.

Secteur bancaire : le CV est largement utilisé dans des domaines tels que le contrôle de la fraude, la vérification d'identité, l'extraction de données, etc., dans le but d'améliorer l'expérience client, de renforcer la sécurité et d'améliorer l'efficacité opérationnelle.

Industrie du commerce de détail : en développant des systèmes de vision par ordinateur pour traiter cela données, afin que la transformation numérique d'industries réelles devienne plus facile à réaliser, comme les caisses automatiques

Voitures autonomes : la vision par ordinateur joue un rôle clé dans la détection et la classification d'objets tels que les panneaux de signalisation ou les feux de circulation, la création de cartes 3D ou l'estimation de mouvement, permettre la conduite autonome La réalisation d'automobiles

CV on the edge

Le traitement visuel basé sur l'apprentissage automatique a une tendance évidente dans le domaine edge. Les coûts du matériel continuent de baisser, la puissance de calcul augmente considérablement et les nouvelles méthodes nécessitent moins de puissance et de mémoire pour former et déployer des modèles à petite échelle. Ces facteurs réduisent les obstacles à l'adoption de la technologie Edge AI et favorisent son utilisation

Mais même si nous constatons une micro-IA de plus en plus omniprésente, il reste encore du travail à faire. Pour faire de l’informatique ambiante une réalité, nous devons répondre à des cas d’utilisation à long terme dans de nombreux segments de marché, ce qui peut créer des problèmes d’évolutivité.

Dans les biens de consommation, les usines, l'agriculture, la vente au détail et d'autres domaines, chaque nouvelle tâche nécessite un algorithme différent et un ensemble de données unique sur lequel s'entraîner. Les fournisseurs de solutions proposent davantage d'outils et de ressources de développement pour créer des systèmes optimisés compatibles ML afin de répondre aux besoins spécifiques des cas d'utilisation.

TinyML

TinyML est un catalyseur clé de tous les types d'intelligence artificielle à la périphérie. Il s'agit d'une approche permettant de développer des modèles ML légers et économes en énergie directement sur les appareils de périphérie en tirant parti d'architectures de modèles compacts et d'algorithmes optimisés.

TinyML permet au traitement de l'IA de s'effectuer localement sur l'appareil, réduisant ainsi le besoin d'une connectivité cloud constante. En plus de réduire la consommation d'énergie, la mise en œuvre de TinyML réduit la latence, améliore la confidentialité et la sécurité et réduit les besoins en bande passante.

De plus, cela permet aux appareils de pointe de prendre des décisions en temps réel sans trop dépendre de l'infrastructure cloud, ce qui rend l'IA plus accessible et pratique dans une variété d'applications, notamment les appareils intelligents, les appareils portables et l'automatisation industrielle. Cela permet de combler les lacunes en matière de fonctionnalités et permet aux entreprises d'IA de mettre à niveau les logiciels autour de leurs produits NPU en développant un riche ensemble d'exemples de modèles - un « zoo modèle » - et un code de référence d'application

De cette manière, ils peuvent optimiser les algorithmes appropriés pour le matériel cible afin de répondre aux besoins spécifiques de l'entreprise dans le cadre de contraintes déterminées de coût, de taille et de consommation d'énergie, prenant ainsi en charge une gamme plus large d'applications à longue traîne tout en garantissant le succès de la conception.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!