Зедеда спонсировала этот пост.
Для организаций, развертывающих приложения Edge AI для мониторинга безопасности, существуют серьезные проблемы, включая обеспечение и управление устройствами Edge, развертывание времени забега Kubernetes и обеспечение вывода в реальном времени.
Эти проблемы, как правило, сталкиваются с ИТ и командами операционных технологий (OT), ответственных за развертывание и управление инфраструктурой Edge в отраслях, где безопасность работников имеет решающее значение. Эти отрасли включают в себя строительство, производство, добычу полезных ископаемых, нефть и газ, а также другие сектора, требующие соответствия правилам личного защитного оборудования (PPE).
Последствия отсутствия решения этих проблем включают задержки в реализации мер безопасности, повышенный риск несчастных случаев и травм из-за отсутствия мониторинга в режиме реального времени и потенциальных трудностей в соответствии с правилами безопасности и требований соответствия.
О демонстрации
В этой демонстрации решают эти проблемы и демонстрирует, как рекордная вычислительная платформа упрощает развертывание приложения AI—AI-Detection Edetection в качестве рабочей нагрузки Kubernetes. Решение использует Zededa для управления Edge Device, ранчо для оркестровки Kubernetes и Terraform для автоматизации, что позволяет оптимизировать развертывание и управление распределенными краевыми узлами.
Он использует модели искусственного интеллекта на основе Yolov8 для обнаружения жесткого времени в реальном времени на нескольких видеопотоках одновременно. Это также демонстрирует механизм обратной связи, который отражает прогнозы с низкой достоверностью для переподготовки модели ИИ с течением времени.
Следуйте вместе с демонстрацией, чтобы изучить, как рекордная вычислительная платформа упрощает развертывание Edge AI для обнаружения СИЗ.
Предварительные условия
Чтобы выполнить эту демонстрацию, необходимо несколько технических предпосылок:
- Edge Device, работающее EVE-OS, операционная система с открытым исходным кодом, для распределенного края вычислений, оснащенных графическим процессором (например, устройство Edge HP).
- Учетная запись Zededa Andunt, управляющая устройством Edge.
- Предварительно предварительно выполняя время выполнения K3S (легкие Kubernetes) с драйверами графических процессоров и временем выполнения контейнера NVIDIA.
- Доступ к ранчо Kubernetes Management Server.
- Терраформ для автоматизации.
- Репозиторий диаграммы руля (например, GitHub), содержащий приложение для обнаружения СИЗ.
Демонстрационная установка включает в себя:
Ключевые возможности в демонстрации
Эта демонстрация подчеркивает три ключевые технические функции:
- Автоматизированное развертывание: Terraform автоматизирует развертывание приложений Edge AI на основе Kubernetes в управляемых устройствах и рабочих нагрузок, управляемых ранчо, упрощая управление как Edge Infrastructure, так и рабочих нагрузок Kubernetes.
- Вывод в реальном времени: Приложение для обнаружения СИЗ выполняет анализ в режиме реального времени на нескольких видеопотоках для обнаружения касок, обеспечивая немедленный анализ и обратную связь на источнике.
- Непрерывное улучшение: Цикл обратной связи отражает прогнозы с низкой достоверностью для переподготовки модели ИИ, повышая точность с течением времени.
Демонстрация выделяет метрики, такие как количество обнаруженных людей, сколько носят шлемы и уровни уверенности для каждого обнаружения.
Как работает технология
Решение интегрирует несколько технологий для устранения сложностей развертывания:
- Зедеда: Упрощает управление устройствами Edge и развертывание времени выполнения K3S.
- Kubernets (K3S): Легкий распределение Kubernetes развернута на краевом устройстве для оркестровки контейнеров.
- Ранчо: Управляет рабочими нагрузками Kubernetes и организует развертывание приложений через диаграммы Helm.
- Terraform: Автоматизирует процессы развертывания на платформах Zededa и Rancher, что позволяет автоматизировать развертывание кластера K3S, прикрепление к владельцу ранчо и развертывание заявки на обнаружение СИЗ.
- Модель Yolov8: Повторная модель обнаружения объектов с открытым исходным кодом, используемая для классификации хварцев.
- Nvidia Runtime: Позволяет ускорению графического процессора для вывода искусственного интеллекта.
Рабочий процесс включает в себя развертывание времени выполнения K3S на краевом устройстве с использованием Terraform, прикрепляя его к ранчо для оркестровки рабочей нагрузки, добавив диаграмму Helection Helection на рынок ранчо и развертывая приложение в качестве стручки. Приложение обрабатывает видеопотоки локально на устройстве, что позволяет сделать вывод в реальном времени.
Преимущества этого подхода
Непосредственные преимущества для организаций, внедряющих вычислительную платформу, включают:
- Упрощенное и более быстрое развертывание приложений Edge AI из -за автоматизации.
- В реальном времени понимание соответствия СИЗ на грани, что позволяет быстрее определить нарушения безопасности.
- Снижение задержки в обнаружении по сравнению с облачной обработкой, так как вывод происходит локально.
Долгосрочные выгоды включают:
- Повышенная безопасность работников и более сильная культура безопасности посредством постоянного и мониторинга в реальном времени.
- Непрерывное улучшение точности и надежности системы обнаружения СИЗ с помощью механизма переподготовки модели.
- Будущее в будущем инфраструктуру путем использования Kubernetes для развертывания и управления приложениями на Edge.
Варианты использования
Отрасли, которые могут извлечь выгоду из этого решения, включают:
- Строительство: Камеры на месте могут проверить наличие касок, жилеты с высокой видностью, безопасные ботинки и жгуты.
- Производство: Красивые узлы на производственном поле могут проверять защитные очки, устойчивые к резкому перчаткам, щитам и респираторам, когда это необходимо.
- Нефть и газ: Камеры на буровых полах, нефтеперерабатывающих заводах и люке с ограниченным пространством обнаруживают пламенные корабежи, защиту слуха и автономные маски для дыхания (SCBA) в опасных условиях.
- Любая отрасль, требующая соответствия правилам СИЗ: Преимущества включают в себя упреждающий мониторинг безопасности, автоматизация регистрации соответствия и сокращение затрат на рабочую силу ручных проверок от команд безопасности.
Конкретные варианты использования, продемонстрированные в демонстрации, включают:
- Обнаружение с жестким путем в промышленных средах.
- Мониторинг безопасности в реальном времени на распределенных участках.
- Непрерывное улучшение систем безопасности с помощью модели ИИ переподготовка.
Zededa позволяет организациям преодолевать проблемы развертывания приложений Edge AI для мониторинга безопасности, обеспечения упрощенного развертывания, понимания в реальном времени и постоянного улучшения, которые повышают безопасность работников и оптимизированные операции. Узнайте больше о том, как разблокировать силу распределенного ИИ с Zededa.
Zededa позволяет клиентам беспрепятственно управлять инфраструктурой Edge Computing, обеспечивая видимость, безопасность и масштабируемость в этих средах и поддерживает такие варианты использования, как компьютерное зрение, консолидация рабочей нагрузки, контекстуализация данных IIOT и прогнозирующее обслуживание, все в производстве сегодня. Узнайте больше последних из Zededa Trending Stories YouTube.com/ThenewStack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Sathiyadev является архитектором решений в Zededa с 2024 года, специализируясь на решениях по краям для промышленных сред. Базируясь в Абу -Даби, штат ОАЭ, он работает с клиентами и перспективами по различным рыночным вертикали, включая нефть и газ, коммунальные услуги и розничную торговлю, фокусируя … Подробнее от Sathiyadev Thangaswamy
