Оглавление |
---|
Как это устроено?
Система видео-распознавания СуперМаг Vision состоит из серверной части, которая полностью расположена на стороне нашей компании, и Якорь
Если конечное устройство имеет встроенную камеру или же снабжено IP-камерой, то обмен данных идет непосредственно между конечным устройством и серверной частью и архитектура системы ограничивается этими двумя элементами. Если же встроенной или IP-камеры на конечном устройстве нет, то в архитектурной схеме задействуется еще один элемент – Якорь
...
При желании, систему видео-распознавания можно использовать и с конечными устройствами иных производителей и типов, однако в данном случае, необходимо обратиться к команде сопровождения СуперМаг Vision для дополнительных консультаций.
...
Сервис пик-листов – возвращает универсальный пик-лист товара по данному локальному SKU или штрих-коду товара у пользователя. Сервис предполагает интеграцию по API.
...
Сервис обучения и тестирования нейросетей – реализует пайплайн обучения и тестирования нейросетей на базе собранных датасетов; не предполагает интеграцию по API.
Сервис распространения нейросетей – распространяет предобученные нейросети по локальным серверам, установленным в торговых точках у клиентов; не предполагает интеграцию по API.
Как это работает?
Для удобства понимания устройства и принципа действия системы СуперМаг Vision, предлагаем следующую схему:
На схеме пунктирными стрелками показано опциональное использование локального сервера, а также процесс обмена данных при условии наличия на конечном устройстве встроенной камеры или подключенной к нему IP-камеры.
В зависимости от того, снабжено ли конечное устройство встроенной или IP-камерой и используется ли локальный сервер в дополнение к облачному, возможны 4 архитектурных решения СуперМаг Vision:
Облачный сервер + конечное устройство без камеры
Облачный сервер + конечное устройство с камерой
Облачный сервер + локальный (EDGE) сервер + конечное устройство без камеры
Облачный сервер + локальный (EDGE) сервер + конечное устройство с камерой
Якорь | ||||
---|---|---|---|---|
|
...
В отличие от чисто облачного сценария, в торговой точке устанавливается локальный сервер устройства EDGE, на котором разворачиваются локальные сервисы распознавания, сбора датасета и пик-листов. При использовании локального сервера в дополнение к облачному, сбор датасета и обучение нейросетей происходит на облачных мощностях, в то время как работа с IP-камерами, сервис распознавания и сервис пик-листов осуществляются на мощностях локального сервера. При отсутствии встроенной камеры на конечном устройстве, можно подключить USB-камеру к клиентскому устройству, и оно будет обрабатывать и передавать информацию с камеры на сервер по схеме, описанной в первом варианте. При возможности, можно подключить к конечному устройству IP-камеру: это избавит от необходимости использовать клиентское устройство для обработки и передачи информации; данные с IP-камеры напрямую отправляются в локальный сервер. Локальный сервер периодически обменивается данными с облачным по мере наличия интернет-соединения и согласно настройкам обоих серверов:
...
В данном случае, облачный сервер дополняется локальным на базе EDGE-устройства. Распределение функционала сервисов между облачным и локальным серверами происходит так же, как описано в третьем варианте. Предполагается, что камера встроена в конечное устройство, на котором реализована обработка изображения с камер. Интеграция с локально развёрнутыми сервисами происходит исключительно по API:
...