Actualmente, la tecnología de visión por computadora (CV) se encuentra en un punto de inflexión, con importantes tendencias convergiendo para permitir que lo que ha sido una tecnología de nube se vuelva omnipresente en pequeños dispositivos de IA de borde que están optimizados para usos específicos y que generalmente funcionan con baterías.

Los avances tecnológicos que abordan desafíos específicos que permiten a estos dispositivos realizar funciones sofisticadas localmente en entornos restringidos (a saber, tamaño, potencia y memoria) están permitiendo que esta tecnología de IA centrada en la nube se extienda hasta el borde, y los nuevos desarrollos harán que la visión de la IA esté al alcance de todos. borde omnipresente.

Comprender la tecnología

De hecho, la tecnología CV está a la vanguardia y está permitiendo el siguiente nivel de interfaces hombre-máquina (HMI).

Los dispositivos sensibles al contexto detectan no sólo a sus usuarios sino también el entorno en el que operan, todo para tomar mejores decisiones hacia interacciones automatizadas más útiles.

Por ejemplo, una computadora portátil detecta visualmente cuando un usuario está atento y puede adaptar su comportamiento y política de energía en consecuencia. Esto es útil tanto por razones de ahorro de energía (apaga el dispositivo cuando no se detecta ningún usuario) como de seguridad (detectar usuarios no autorizados o “merodeadores” no deseados), y para ofrecer una experiencia de usuario más fluida. De hecho, al rastrear los globos oculares de los espectadores (detección de espectadores), la tecnología puede alertar aún más al usuario y ocultar el contenido de la pantalla hasta que no haya moros en la costa.

Otro ejemplo: un Smart TV establece sentidos si alguien está mirando y desde dónde adapta la calidad de la imagen y el sonido en consecuencia. Puede apagarse automáticamente para ahorrar energía cuando no hay nadie allí. Un sistema de aire acondicionado optimiza la potencia y el flujo de aire según la ocupación de la habitación para ahorrar costes energéticos.

Estos y otros ejemplos de utilización inteligente de la energía en los edificios se están volviendo aún más importantes desde el punto de vista financiero con los modelos híbridos de trabajo entre el hogar y la oficina.

No solo se limita a televisores y PC, esta tecnología también juega un papel crucial en la fabricación y otros usos industriales, para tareas como la detección de objetos para regulaciones de seguridad (es decir, zonas restringidas, pasajes seguros, aplicación de equipos de protección), mantenimiento predictivo y control del proceso de fabricación. Agricultura Hay otro sector que se beneficiará enormemente de la tecnología de conciencia contextual basada en la visión: la inspección de cultivos y el monitoreo de la calidad, por ejemplo.

Aplicaciones de la visión por computadora

Los avances en el aprendizaje profundo han hecho posibles muchas cosas sorprendentes en el campo de la visión por computadora. Muchas personas ni siquiera son conscientes de cómo utilizan la tecnología CV en su vida cotidiana. Por ejemplo:

• Clasificación de imágenes y detección de objetos: La detección de objetos combina clasificación y localización para determinar qué objetos están en la imagen o video y especificar dónde están en la imagen. Aplica clasificación a distintos objetos y utiliza cuadros delimitadores. CV funciona a través de teléfonos móviles y es útil para identificar objetos en una imagen o vídeo.
• Bancario: CV se utiliza en áreas como control de fraude, autenticación, extracción de datos y más para mejorar la experiencia del cliente, mejorar la seguridad y aumentar la eficiencia operativa.
• Retail: El desarrollo de sistemas de visión por computadora para procesar estos datos hace que la transformación digital de la industria real sea mucho más alcanzable, por ejemplo, el autopago.
• Automóviles autónomos: La visión por computadora se utiliza para detectar y clasificar objetos (por ejemplo, señales de tráfico o semáforos), crear mapas 3D o estimaciones de movimiento y desempeña un papel clave a la hora de hacer realidad los vehículos autónomos.

CV al límite

La tendencia hacia el procesamiento de visión ubicuo basado en ML en el borde es clara. Los costos de hardware están disminuyendo, la capacidad de computación está aumentando significativamente y las nuevas metodologías facilitan el entrenamiento y la implementación de modelos de menor escala que requieren menos energía y memoria. Todo esto está generando menos barreras para la adopción y un mayor uso de la tecnología CV AI en el borde.

Pero incluso cuando vemos una IA de borde diminuto cada vez más ubicua, todavía hay trabajo por hacer. Para hacer realidad la informática ambiental, debemos atender la larga cola de casos de uso en muchos segmentos que pueden crear un desafío de escalabilidad.

En productos de consumo, fábricas, agricultura, comercio minorista y otros segmentos, cada nueva tarea requiere algoritmos diferentes y conjuntos de datos únicos para la capacitación. Los proveedores de soluciones ofrecen más herramientas y recursos de desarrollo para crear sistemas optimizados habilitados para ML que cumplan con los requisitos de casos de uso específicos.

TinyML

Un habilitador clave para implementar todo tipo de IA en el Edge es TinyML. Este es un enfoque para desarrollar modelos de aprendizaje automático livianos y energéticamente eficientes directamente en dispositivos de borde mediante el uso de arquitecturas de modelos compactos y algoritmos optimizados.

TinyML permite que el procesamiento de IA se realice localmente en el dispositivo, lo que reduce la necesidad de una conectividad constante a la nube. Además de consumir menos energía, las implementaciones de TinyML ofrecen latencia reducida, privacidad y seguridad mejoradas y menores requisitos de ancho de banda.

Además, permite a los dispositivos de vanguardia tomar decisiones en tiempo real sin depender en gran medida de la infraestructura de la nube, lo que hace que la IA sea más accesible y práctica en diversas aplicaciones, incluidos dispositivos inteligentes, dispositivos portátiles y automatización industrial. Esto ayuda a abordar las lagunas de funciones y permite a las empresas de inteligencia artificial mejorar el software de sus ofertas de NPU mediante el desarrollo de conjuntos completos de ejemplos de modelos (“zoológicos modelo”) y códigos de referencia de aplicaciones.

Al hacerlo, pueden habilitar una gama más amplia de aplicaciones para la cola larga y, al mismo tiempo, garantizar el éxito del diseño al tener los algoritmos correctos optimizados para el hardware de destino para resolver necesidades comerciales específicas, dentro de las restricciones definidas de costo, tamaño y energía.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Automoción / vehículos eléctricos, Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• ChartPrime. Eleve su juego comercial con ChartPrime. Accede Aquí.
• Desplazamientos de bloque. Modernización de la propiedad de compensaciones ambientales. Accede Aquí.
• Fuente: https://www.iotforall.com/ambient-computing-in-a-new-generation-of-iot-systems