介绍

Azure IoT Edge 允许将工作负载从云移动到边缘。 这样做使您能够在生成数据的位置更接近的本地边缘设备上运行工作负载。 此方法非常适合处理大量数据的服务，例如计算机视觉模型。 使用 IoT Edge 的 Azure AI 服务可以生成解决方案并将其作为容器部署到 IoT 设备。 在一起实现时，Azure IoT Edge 和 Azure AI 服务使你能够从边缘上的图像或视频流中查找见解，而无需先传输所有数据。

假设你是一名数据科学家，你负责部署 Azure AI 服务，用于实现超市中使用的自结帐的图像识别功能。 系统应包含图像转语音功能，使视力受损的人能够使用自助结帐。 系统将针对预先训练的机器学习模型运行扫描的项映像，以识别扫描的项目。 然后，该物品将被称重，并根据标识信息计算成本。 此设施可避免视力受损的人必须查看该物品。 使用文本转语音，客户将收到已扫描该项目的音频消息通知。 图像识别模块的业务逻辑将驻留在设备中。 系统将识别扫描的项，并将图像的标签转换为语音。

若要实现此方法，可以在云中生成和训练图像识别模块，专用于给定域（例如识别水果），并将模型部署为容器到设备。

在本模块中，你将运行一个 Azure IoT Edge 解决方案，该解决方案使用 Azure 自定义视觉和 Azure 语音服务并将解决方案部署到 Edge 设备。 该应用程序包含许多模块，这些模块使用相机扫描项目、对扫描的项目进行分类，并将标识的项目转换为语音。

在本模块结束时，你将能够将 IoT 设备连接到认知服务，并将解决方案部署到 IoT Edge 设备。 应用程序会告知你（通过音频）扫描了哪些项。

学习目标

• 结合使用预先训练的图像分类模块和 Azure AI 服务

• 使用 Visual Studio Code 将解决方案部署到 IoT Edge

• 验证模块是否成功运行

先决条件

• IoT Edge 的基础知识

• Azure AI 服务的基础知识

• 能够使用 Visual Studio Code

• Azure 订阅

• 充当模拟 Azure IoT Edge 设备的 Linux 计算机

• USB 摄像头