Edge AI neden önemli? Görüntü tesisten çıkmadan analiz
Yapay zekâ analizini bulutta değil tesis içinde yapmanın gecikme, bant genişliği, süreklilik ve KVKK açısından getirdiği avantajlar; Edge, Cloud ve Hibrit modellerin karşılaştırması.
Görüntü analitiği projelerinde ilk sorulan sorulardan biri şudur: "Görüntülerimiz nereye gidiyor?" Haklı bir soru. Kamera görüntüsü, kişisel veri içerebilen, hacimli ve hassas bir veridir. Bu yazıda, analizi tesis içinde yapan Edge AI yaklaşımının neden çoğu endüstriyel senaryo için varsayılan tercih olduğunu anlatıyoruz.
Edge AI nedir?
Edge AI, yapay zekâ modelinin veri kaynağına en yakın noktada — bizim senaryomuzda tesisin kendi sunucu odasındaki bir sunucuda — çalıştırılmasıdır. Kameralar görüntüyü yerel ağ üzerinden bu sunucuya gönderir; sunucu analizi yapar ve dışarıya yalnızca sonucu iletir: bir olay kaydı, bir metrik, gerekiyorsa tek bir kanıt karesi.
Dört temel avantaj
1. Gecikme
Forklift – yaya mesafesi veya hat üzerinde hatalı parça ayırma gibi senaryolarda milisaniyeler önemlidir. Görüntüyü buluta gönderip cevap beklemek, ağ koşullarına bağlı olarak saniyeler alabilir. Edge'de işlenen bir olay ise tespitten panele 3 saniyenin altında, saha tetiklemesine çok daha kısa sürede ulaşır.
2. Bant genişliği
Onlarca yüksek çözünürlüklü kameranın sürekli akışını internete çıkarmak hem maliyetli hem de çoğu tesisin mevcut bağlantısıyla mümkün değildir. Edge modelinde internete çıkan veri, ham videoya kıyasla yok denecek kadar küçüktür.
3. Süreklilik
İnternet bağlantısı kesildiğinde bulut tabanlı bir sistem kör olur. Edge sunucu ise analize devam eder, alarmları yerel olarak üretir ve bağlantı geri geldiğinde kayıtları senkronize eder.
4. Veri gizliliği ve KVKK
Görüntünün tesis ağından hiç çıkmaması, KVKK açısından en sade ve savunulabilir modeldir. Ham video depolanmaz; saklanan şey olay ve metriktir. Kanıt karelerinin saklama süresi ve erişim yetkileri kurum politikasına göre belirlenir.
Edge, Cloud, Hibrit: hangisi ne zaman?
| Model | Ne zaman uygun? |
|---|---|
| Edge | Üretim tesisleri, gerçek zamanlı tetikleme, yüksek gizlilik gereksinimi |
| Cloud | Donanım yatırımı olmadan hızlı başlangıç, az sayıda kamera, çok sayıda küçük lokasyon |
| Hibrit | Analiz tesiste, raporlama ve çoklu tesis karşılaştırması merkezde |
Edge sunucunun boyutu
Gerekli donanım; kamera sayısına, çözünürlüğe, saniyedeki analiz edilen kare sayısına ve aynı anda çalışan analiz türlerine bağlıdır. Keşif aşamasında bu parametreler çıkarılır ve sunucu, büyüme payı bırakılarak boyutlandırılır. Yeni kamera veya yeni analiz eklendiğinde ölçeklemek için ek sunucu kümeye dahil edilebilir.
Mimari detaylar için Teknoloji sayfamıza göz atabilirsiniz.
Diğer yazılar
Tümü
Yapay zekâ ile KKD tespiti nasıl çalışır?
Baret, yelek, gözlük ve eldiveni kamera görüntüsünden kişi bazında kontrol eden sistemlerin arkasındaki mantık, doğruluğu etkileyen faktörler ve sahada dikkat edilmesi gerekenler.
Yazıyı oku
Forklift – yaya çarpışmalarını görüntü analitiğiyle önlemek
Depo ve üretim alanlarında forklift ile yaya arasındaki mesafeyi kamera üzerinden anlık ölçmek mümkün mü? Kalibrasyon, eşik belirleme ve saha tetikleme üzerine pratik bir rehber.
Yazıyı oku
Kamerayla OEE ölçmek: kayıp zamanı görünür kılmak
Aktif çalışma, boşta kalma, makine duruşu ve cycle-time'ı ek sensör takmadan kamera görüntüsünden ölçmek. Hangi metrikler, nasıl yorumlanır, nereden başlanır?
Yazıyı oku