AWS Greengrass est un logiciel qui vous permet d'exécuter en toute sécurité des capacités locales de calcul, de messagerie, de mise en cache des données et de synchronisation pour les appareils connectés. Avec AWS Greengrass, les appareils connectés peuvent exécuter des fonctions AWS Lambda, assurer la synchronisation des données des appareils et communiquer en toute sécurité avec d'autres appareils, même en l'absence de connexion Internet. Désormais, grâce à la capacité d'inférence d'apprentissage automatique d'AWS Greengrass, vous pouvez facilement exécuter l'inférence d'apprentissage automatique localement sur des appareils connectés.

L'apprentissage automatique utilise des algorithmes statistiques pouvant apprendre à partir de données existantes, un processus appelé formation, afin de prendre des décisions au sujet de nouvelles données, un processus appelé inférence. Pendant la formation, des modèles et de relations sont identifiées dans les données pour construire un modèle de prise de décision. Ce modèle permet à un système de prendre ensuite des décisions intelligentes au sujet de données qu'il n'a pas encore rencontrées. La formation de modèles ML nécessite des ressources de calcul massives, de sorte qu'elle convient naturellement au cloud. Cependant, l'inférence utilise généralement beaucoup moins de puissance de calcul et se fait souvent en temps réel lorsque de nouvelles données sont disponibles. Ainsi, obtenir des résultats d'inférence avec une latence très faible est important pour vous assurer que vos applications IoT peuvent rapidement répondre à des événements locaux.

AWS Greengrass ML Inference réunit tous ces avantages. Cette fonction vous permet d'utiliser des modèles d'apprentissage machine créés et formés dans le cloud et de déployer et d'exécuter l'inférence d'apprentissage machine localement sur des appareils connectés. Par exemple, vous pouvez construire un modèle prédictif dans Amazon SageMaker pour pouvoir procéder à des analyses de situation, puis l'exécutez localement sur une caméra de sécurité paramétrée pour Greengrass, là où il n'y a pas de connectivité cloud pour prédire et prévenir lorsqu'un individu est détecté.

Avantages

Exécution facile de l'inférence d'apprentissage machine sur des appareils connectés

L'exécution locale de l'inférence sur des appareils connectés permet de réduire la latence et le coût de l'envoi des données de l'appareil dans le cloud pour réaliser des prédictions. Au lieu d'envoyer toutes les données dans le cloud pour procéder à une inférence ML, la capacité ML Inference de Greengrass vous permet de procéder à une inférence directement depuis l'appareil. Les données ne sont envoyées vers le cloud que lorsqu'un traitement supplémentaire est nécessaire.

Flexible

Greengrass ML Inference comprend des packages préintégrés TensorFlow, Apache MXNet et Chainer pour tous les appareils utilisant Intel Atom, NVIDIA Jetson TX2 et Raspberry Pi. Ainsi, vous n'avez pas besoin de développer et de configurer le framework d'apprentissage machine pour vos appareils à partir de zéro. En plus de prendre en charge TensorFlow, Apache MXNet et Chainer, Greengrass ML fonctionne également avec d'autres frameworks populaires comme Caffe2 et le Microsoft Cognitive Toolkit. Avec Greengrass ML Inference, vous disposez de la flexibilité permettant de développer et de former votre modèle d'apprentissage automatique dans Amazon SageMaker ou d'importer votre modèle préformé stocké dans Amazon S3.

Déployez des modèles vers vos appareils connectés en quelques clics

AWS Greengrass ML Inference facilite le déploiement de vos modèles d'apprentissage automatique depuis le cloud sur vos appareils. En seulement quelques clics sur la console Greengrass, vous pouvez localiser des modèles formés dans la console GG, sélectionner le modèle d'apprentissage automatique souhaité et le déployer sur les appareils souhaités. Vos modèles sont déployés et exécutés sur l'appareil connecté de votre choix.

Accélération des performances en matière d'inférence avec les GPU

AWS Greengrass ML Inference vous donne accès à des accélérateurs de matériel, tels que des GPU, sur vos appareils, en incluant l'appareil accélérateur en tant que ressource locale Greengrass dans la console Greengrass.

Fonctionnement

Cas d'utilisation

Traitement vidéo

AWS Greengrass ML Inference peut être déployé sur des appareils connectés tels que des caméras de sécurité, des caméras de surveillance du trafic, des caméras corporelles et des équipements d'imagerie médicale pour aider ces derniers à réaliser des prédictions localement. Avec AWS Greengrass ML Inference, vous pouvez déployer et exécuter des modèles d'apprentissage machine pour différentes applications (reconnaissance des visages, détection d'objets, densité d'image, etc.) directement sur l'appareil. Par exemple, une caméra de surveillance du trafic pourrait compter les cyclistes, les automobilistes et les piétons à une intersection et détecter quand les feux de signalisation doivent être ajustés pour optimiser la circulation et garantir la sécurité des personnes.

Vente au détail et hôtellerie

Les détaillants, les croisiéristes et les parcs d'attractions investissent dans des applications IoT afin d'assurer un meilleur service client. Par exemple, vous pouvez exécuter des modèles de détection d'objets dans des parcs d'attractions pour suivre le nombre de visiteurs. Les caméras localisent les visiteurs et tiennent localement un décompte à jour sans devoir envoyer un flux vidéo important dans le cloud, ce qui est souvent problématique en raison de la bande passante Internet limitée présente dans les parcs. Cette solution peut prédire les temps d'attentes aux attractions populaires du parc et aider à améliorer l'expérience client.

Sécurité

Les fabricants de caméras de sécurité cherchent de nouvelles façons pour rendre les appareils plus intelligents et pour automatiser leurs capacités de détection des menaces. AWS Greengrass ML Inference peut aider à améliorer les capacités des caméras de sécurité. Les caméras paramétrées pour Greengrass peuvent continuellement scanner les sites pour rechercher des modifications dans une situation, comme un visiteur en approche, et envoyer une alerte. Les caméras sont capables de procéder, localement, à des analyses rapides de la situation et d'envoyer des données dans le cloud que lorsque cela est requis, par exemple pour que des analyses supplémentaires soient effectuées afin d'identifier si un visiteur fait partie de la famille.

Agriculture de précision

L'industrie agricole connaît actuellement deux bouleversements majeurs. Tout d'abord, la population mondiale continue de croître, ce qui fait que la demande de nourriture dépasse l'offre. Ensuite, le changement climatique provoque des conditions météorologiques imprévisibles, ce qui affecte le rendement des récoltes. AWS Greengrass ML Inference peut aider à modifier les habitudes agricoles et à fournir une valeur ajoutée aux clients. Les caméras utilisant Greengrass installées dans des serres et des fermes peuvent traiter des images des plantes et des récoltes, ainsi que des données venant de capteurs présents dans le sol, afin non seulement de détecter des anomalies environnementales, comme un changement dans les niveaux de température, d'humidité et d'alimentation, mais également de déclencher des alertes.

Entretien industriel prédictif

Lorsque la pression des prix s'accroît sur les fabricants, ils cherchent de nouvelles façons d'aider à augmenter l'efficacité opérationnelle dans les usines. Les délais dans la détection des problèmes sur la chaîne d'assemblage de l'usine peuvent mener à des pertes de temps et de ressources. AWS Greengrass ML Inference peut vous aider à détecter plus tôt les équipements défectueux et les problèmes dans l'usine. Les passerelles industrielles fonctionnant avec Greengrass peuvent continuellement surveiller les données des capteurs (par exemple les vibrations ou les niveaux de bruits), prédire les anomalies et entreprendre les actions appropriées comme envoyer des alertes ou déconnecter le courant pour minimiser les pertes.

Clients

Yanmar utilise AWS Greengrass ML Inference dans le cadre de leur solution d'agriculture de précision IoT permettant d'augmenter l'intelligence des opérations de serre en détectant et reconnaissant automatiquement les principales étapes de croissance des légumes.

Les appareils IoT paramétrés pour AWS Greengrass ML Inference permettent à DFDS de prédire et d'optimiser la propulsion des navires, ce qui leur permet de réduire la consommation en carburant pour l'ensemble de leur flotte.

AWS Greengrass ML Inference

Exécutez des modèles d'apprentissage machine sur des appareils AWS Greengrass