...
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 случае отказа от использования локального сервера, все вычисления системы происходят исключительно на облачных мощностях. В магазинах осуществляется лишь управление камерами. При отсутствии на конечном устройстве встроенной камеры, USB-камера подключается к клиентскому устройству, и оно осуществляет обработку полученного с нее изображения. На серверную часть информация, полученная с клиентского устройства, попадает через защищенный канал и затем отправляется в нейронную сеть, посредством которой происходит обработка сигнала, полученного с камеры, а также непосредственно само распознавание товара. Технологии глубокого машинного обучения позволяют "обучать" нейронную сеть распознаванию новых товаров, в том числе немаркированных штучных, и обеспечивать таким образом расширение производственных возможностей системы. Результат распознавания, полученный от нейронной сети, отправляется обратно на конечное устройство:
| Якорь | ||||
|---|---|---|---|---|
|
Как и в предыдущем варианте, все вычислительные процессы, а также процессы распознавания, обучения и тестирования происходят исключительно в облачном пространстве. В магазинах осуществляется лишь управление камерами. В данном варианте предполагается, что камера встроена в конечное устройство, на котором реализована обработка изображения с камер. В таком случае, необходимость в использовании клиентского устройства отпадает, так как интеграция с облачным сервером в обоих направлениях осуществляется напрямую через веб-сервисы:
...
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:
| Якорь | ||||
|---|---|---|---|---|
|
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:
...