Inteligencja blisko źródła danych
Skuteczny model AI to tylko jeden z elementów systemu przemysłowego. W rzeczywistym środowisku równie istotne są dostępność, czas reakcji, bezpieczeństwo danych, możliwość rozbudowy oraz odporność na problemy techniczne.
Dlatego Vulpix wykorzystuje architekturę opartą na Edge AI, czyli przetwarzaniu danych możliwie blisko miejsca, w którym powstają.
Obraz może być analizowany lokalnie, przy kamerze lub punkcie pomiarowym. Do warstwy centralnej trafiają wyniki analizy, na przykład informacje o rozpoznanych obiektach, zdarzeniach i wartościach pomiarowych.
Dlaczego Edge AI?
Lokalne przetwarzanie ogranicza konieczność ciągłego przesyłania obrazu i zmniejsza zależność systemu od połączenia z infrastrukturą centralną.
Jeżeli łączność zostanie czasowo przerwana, komponent pracujący lokalnie może nadal wykonywać analizę i zapisywać wyniki. Po odzyskaniu połączenia dane mogą zostać zsynchronizowane.
Takie rozwiązanie ma szczególne znaczenie w środowiskach przemysłowych, w których chwilowa utrata łączności nie powinna oznaczać utraty pomiaru.
System, a nie pojedynczy model AI
Vulpix jest projektowany jako rozwiązanie modułowe. Poszczególne komponenty mogą odpowiadać za analizę obrazu, komunikację, przechowywanie danych, monitoring działania oraz prezentowanie wyników użytkownikowi.
Pozwala to rozwijać system bez konieczności budowania całego środowiska od początku.
Wdrożenie może rozpocząć się od pojedynczego punktu analizy, a następnie zostać rozszerzone o kolejne kamery, lokalizacje, modele lub funkcjonalności.
System powinien kontrolować również siebie
W instalacji pracującej w sposób ciągły ważna jest nie tylko informacja o wykrytym zdarzeniu. Równie istotna jest wiedza, czy wszystkie elementy systemu funkcjonują prawidłowo.
Dlatego architektura obejmuje monitoring stanu komponentów. Pozwala wykrywać problemy techniczne i brak oczekiwanych danych, zamiast pozostawiać ocenę działania systemu użytkownikowi.
To właśnie odróżnia demonstrację możliwości AI od rozwiązania przeznaczonego do rzeczywistej eksploatacji.
Model AI ma dobrze rozpoznawać obraz. Cały system musi przede wszystkim niezawodnie wykonywać swoje zadanie.