Kamery AI: czy mogą zastąpić czujniki IoT?

OK, może trochę wprowadzamy w błąd; mówiąc o kamerach AI, tak naprawdę mamy na myśli wizję komputerową. Ostatni postęp w analizie obrazów wspomaganej sztuczną inteligencją sprawia, że ​​zastanawiamy się, czy kamera faktycznie mogłaby zastąpić kilka rodzajów czujników. W wielu przypadkach znacznie ułatwia zarządzanie sprzętem i zapewnia bardziej wnikliwe dane. Inteligencja wzrokowa ma znacznie więcej do zaoferowania niż ludzkie oko. Może obserwować setki miejsc jednocześnie, przybliżać obraz do skali submilimetrowej, widzieć w podczerwieni i wiele więcej. Wiele rzeczy monitorowanych obecnie przez czujniki (temperatura, ruch, bliskość) można zweryfikować, a nawet ulepszyć za pomocą kamery opartej na sztucznej inteligencji.

W tym artykule spróbujemy odpowiedzieć, biorąc pod uwagę własny przypadek użycia, czy najlepiej zastąpić czujniki kamerami.

Najnowsze ulepszenia sprzętu i oprogramowania

Postępy w dziedzinie widzenia komputerowego i kamer obsługujących sztuczną inteligencję oznaczają, że obecnie są one w stanie lepiej wykonywać funkcje.

Aparaty są wyższej jakości i tańsze

Wraz z demokratyzacją kamer HD i 4K, nagrywających z szybkością 60–120 kl./s (klatek na sekundę) lub większą, wizja komputerowa dysponuje odpowiednimi narzędziami do lepszej niż kiedykolwiek analizy materiału filmowego w czasie rzeczywistym.

Zastosowania takie jak odczytywanie numeru rejestracyjnego szybko jadącego samochodu wymagają dużej prędkości, aby uchwycić wyraźny obraz. Sensory pełnoklatkowe i 4K umożliwiają monitorowanie dużego pola widzenia za pomocą tylko jednej kamery.

Kamery są wszędzie (i latają!)

Wysokiej klasy aparaty, szczególnie w smartfonach, są łatwym i wysokiej jakości źródłem pozyskiwania danych bezpośrednio w terenie. Jeśli chodzi o konserwację przemysłową, każdy technik ma w kieszeni narzędzie, za pomocą którego może przesłać obraz lub film i skonsultować się ze sztuczną inteligencją w celu znalezienia rozwiązania problemu. W rolnictwie rolnik może zrobić zdjęcie uprawy i od razu uzyskać informację o potencjalnej chorobie.

Drony stały się również ważnym elementem wizji komputerowej, zwłaszcza w rolnictwie lub dużych instalacjach przemysłowych (linie energetyczne, zakłady recyklingu, rurociągi itp.). Zdolność dronów do latania nad dużymi obszarami oznacza, że ​​kamery mogą rejestrować obrazy, które jeszcze kilka lat temu byłyby zbyt kosztowne.

Powstanie infrastruktury brzegowej

Kanały wideo wymagają więcej miejsca na dysku niż większość źródeł danych. Koszt ciągłego przesyłania kilku materiałów 4K do chmury może stanowić przeszkodę w korzystaniu z wideo. Infrastruktura brzegowa radzi sobie z tym wyzwaniem, analizując materiał lokalnie i przesyłając tylko ułamek danych do dalszej analizy.

W przypadku wideo prywatność i bezpieczeństwo danych są niezwykle wrażliwe, szczególnie w porównaniu z urządzeniami takimi jak czujniki gleby rolniczej. Przechowywanie plików lokalnie na urządzeniach brzegowych może zmniejszyć ryzyko ich włamania, ale przede wszystkim sprecyzować obowiązki w przypadku kradzieży danych (menedżer lokalizacji, klient).

Przypadki użycia kamer w IoT

Widzenie poza ludzkim wzrokiem

Widzimy świat naszymi ludzkimi oczami, które pozwalają nam widzieć z precyzją widzenia około 30 stopni, w rozsądnej odległości i odpowiednich warunkach oświetleniowych. Kamery są znacznie mniej ograniczone. Zwłaszcza w przypadku połączenia kilku kamer obraz komputerowy nie ma prawie żadnych ograniczeń. Może patrzeć pod różnymi kątami i analizować te różne kanały w czasie rzeczywistym.

Kamera RGB o wysokiej rozdzielczości do kontroli jakości

W łańcuchu produkcyjnym kontrola jakości często odbywa się poprzez wybór losowej partii produktów, może 1 procent, i ich kontrolę. Kamera obsługująca sztuczną inteligencję może skontrolować całą produkcję bez spowalniania procesu i zobaczyć ustawienia domyślne niewidoczne dla ludzkiego oka.

Kamery Lidarowe dla Pojazdów Autonomicznych

Kamery Lidar wykorzystują sonar laserowy do oceny odległości obiektów, co jest kluczowe w przypadku pojazdów autonomicznych. Pozwala to uniknąć kolizji i sprawia, że ​​pojazd jest świadomy swojego najbliższego otoczenia. Bez tej technologii pojazdy autonomiczne nie byłyby możliwe.

Kamery FLIR (na podczerwień) do wykrywania ciepła

Wybiegające w przyszłość kamery na podczerwień (FLIR) zapewniają precyzyjną termografię w celu wykrycia przegrzania karty elektronicznej, rury lub maszyny. W tym przypadku nie potrzeba skomplikowanych algorytmów, aby otrzymać alert. Kamera FLIR działa dokładnie tak, jak czujnik. Kamery FLIR są obecnie wdrażane w odpowiedzi na Covid-19. Mogą monitoruj temperaturę ludzi z rozsądnej odległości, w nieinwazyjny sposób. Od lat wykorzystywane są także przez wojsko.

Wymiana wielu czujników na jedną kamerę

Lodówki w sklepie ogólnospożywczym można inwentaryzować automatycznie poprzez dodanie kilku czujników (waga, temperatura). Innowacje AT&T odlewnia opracowała system montowany na kamerze, który zastąpił wszystkie te czujniki. Kamera wykrywa, kiedy na danej półce zaczyna brakować towaru i monitoruje temperaturę w czasie rzeczywistym.

Ograniczenia kamer w stosunku do czujników

Okluzja

W wielu przypadkach zainstalowanie tylko jednej kamery nie wystarczy. Aby uporać się z problemami okluzji (obiekt ukryty za drugim), potrzeba kilku kamer pod różnymi kątami. Startup firmy Sony wynalazł rozwiązanie oparte na sztucznej inteligencji z wieloma kamerami do monitorowania stanu zdrowia zwierząt, a zwłaszcza wykrywania rui na farmie krów. Połączone kamery wykrywają, kiedy krowa dosiada kolejnej, nawet jeśli jeden z kilku kątów jest zasłonięty. Jest to jednak możliwe tylko wtedy, gdy używanych jest wiele kamer.

Dostępność zasilania i sieci

Kamera filmująca w trybie ciągłym nie może być zasilana samym akumulatorem, dlatego potrzebne jest zasilanie bezpośrednie. W większości przypadków panele słoneczne nie wystarczą, jeśli kamera musi działać w nocy. Co więcej, aby plik HD mógł zostać przesłany do chmury, konieczne jest połączenie 4G.

Te dwie specyfikacje utrudniają instalację samodzielnej kamery w niektórych odległych obszarach, gdzie czujnik zużywający mało energii może działać latami.

Zasoby analityczne

Przyjmowanie kilku kanałów wideo i nauczenie komputera ich rozumienia jest w rzeczywistości znacznie bardziej złożoną misją niż zwykła analiza danych z czujników IoT. Jeśli nawet coś tak prostego, jak wykrywanie ciepła za pomocą kamery FLIR, jest w dużej mierze dostępne dla każdej osoby fizycznej lub MŚP, skorzystanie ze ścieżki AI może być niezwykle kosztowne, a wyniki niepewne.

Jest duże zapotrzebowanie na inżynierów maszynowych i głębokiego uczenia się, którzy poradzą sobie z pracami analitycznymi, dlatego koszt ich rekrutacji może być główną blokadą dla startupów lub małych firm.

Czy powinieneś wybrać kamery zamiast czujników?

Ponieważ każdy przypadek użycia jest inny, wyjaśnimy trzy przykłady, w których zdecydowanie warto rozważyć inwestycję.

• Potrzebujesz kamery przypominającej czujnik, powiedzmy do wykrywania przegrzania w maszynie fabrycznej. Twój aparat może zastąpić kilkadziesiąt czujników. Materiał wideo jest przechowywany lokalnie, a kamery są łatwe w instalacji (sieć, zasilanie). Idź po kamery.
• Inteligencja wizualna jest Ci potrzebna bardziej niż kamera, na przykład do sprawdzania, czy Twoi pracownicy wchodzą na plac budowy w kaskach. Przypadek użycia jest powszechny i ​​łatwo znajdziesz algorytmy ML przeszkolone do tego zadania. Aparat z wbudowanym oprogramowaniem do rozpoznawania obrazu ma większy sens niż instalowanie czujnika w każdym kasku. Inwestycję można ponownie wykorzystać przy wszystkich przyszłych inwestycjach budowlanych. Kiedy jednak przypadek użycia staje się zbyt szczegółowy, jego możliwość ponownego użycia spada, ponieważ koszt opracowania może szybko przekroczyć potencjalne korzyści.
• Potrzebujesz bardzo konkretnego, szytego na miarę rozwiązania w zakresie inteligencji wizualnej. Wyobraź sobie międzynarodową firmę produkującą drzwi ze szkła bezpiecznego. Chcą wykryć wady szkła na linii montażowej. Potrzebują dedykowanego zespołu, który zajmie się tą misją przez kilka miesięcy. Przygotowali wcześniej ten projekt, gromadząc i oznaczając kilka tysięcy zdjęć oznaczonych tagami w celu szkolenia sztucznej inteligencji. Co więcej, zwrot z inwestycji zostanie przyspieszony poprzez wdrożenie rozwiązania w kilku zakładach produkcyjnych.

Jeśli chodzi o inne przypadki użycia IoT, nadal prawdopodobne jest, że przejście na wizję komputerową będzie zbyt kosztowne lub ryzykowne. Chociaż kamery mogą ulepszyć rozwiązania IoT, nie zawsze pasują do ekosystemu IoT, a strumienie wideo nie mogą prawidłowo przesyłać się przez sieci LPWAN.

Źródło: https://www.iotforall.com/ai-cameras-can-they-replace-iot-sensors