5 belangrijke overwegingen bij het kiezen van een Embedded Edge AI-systeem voor Smart Retail

Hoewel het verschijnen van de COVID-19-pandemie ongetwijfeld het koopgedrag van de consument heeft bepaald, heeft het ook de pre-Covid-retailtrends versneld. Trends als contactloos betalen en niet-traditionele winkelervaringen zijn niet voortgekomen uit de pandemie; hun gebruik zal echter naar verwachting toenemen.

Na de pandemie hebben fysieke retailers geen andere keuze dan te reageren en hun winkelstrategieën te moderniseren of door te gaan met het verdwijnen van pre-covid winkelsluitingen. Deze trend biedt een kans voor softwarebedrijven en andere aanbieders van slimme retailoplossingen die retailers willen helpen. Veelbelovende software-startups zoals Trigo of Tiliter, en zelfs industriegigant Amazon, maken een wrijvingsloze winkelervaring mogelijk via computervisie, maar achter deze algoritmen zit de hardware die alles mogelijk maakt.

Volg ons terwijl we ingaan op de belangrijkste overwegingen bij het selecteren van het ideale embedded Edge AI-systeem voor de slimme winkelomgeving.

1. Processortype voor AI aan de rand

Kunstmatige intelligentie ligt ten grondslag aan allerlei mogelijkheden, inclusief maar niet beperkt tot objectdetectie, biometrie, computervisie en nog veel meer. En hoewel er een whitepaper kan worden geschreven om de voor- en nadelen van elk type processor te bespreken, zullen we kort ingaan op twee belangrijke processortypen die gewoonlijk worden verkocht door de beste embedded fabrikanten:

CPU

De centrale verwerkingseenheid (CPU) wordt vaak aangetroffen in de meeste elektronische apparaten en is een multifunctionele processor die complexe rekenkundige, logische, besturings- en invoer-/uitvoerbewerkingen kan uitvoeren. In vergelijking met GPU's (of FPGA's) is de CPU-architectuur echter geoptimaliseerd voor sequentiële seriële verwerking door het beperkte aantal beschikbare prestatiegerichte cores.

Bij het uitvoeren van taken zoals computervisie moeten grote hoeveelheden gegevens parallel worden verwerkt om kleuren, patronen, vormen, enz. te analyseren. De hoeveelheid gegevens kan enorm zijn, vooral wanneer rekening wordt gehouden met meerdere gelijktijdige bronnen van videostreams met hoge resolutie. Om deze reden kunnen GPU's en FPGA's mogelijk beter in staat zijn dan CPU's.

GPU

Grafische verwerkingseenheden (GPU) zijn ontstaan ​​uit de eis van snelle grafische weergave. Later werd ontdekt dat deep learning neurale netwerken konden worden getraind met NVIDIA GPU's, wat resulteerde in aanzienlijke prestatieverbeteringen. De reden is dat GPU's zijn ontworpen met een groot aantal parallelle kernen, waardoor parallelle berekeningen worden geleverd voor neurale netwerktraining en AI-inferentie.

De beperkingen op GPU's omvatten een hoog stroomverbruik (hoewel NVIDIA Jetson SoM's zijn ontworpen om dit probleem te verhelpen), en hoewel de prestaties over het algemeen beter zijn dan die van CPU's, leveren ze mogelijk niet zoveel prestaties als de toepassingsspecifieke ASIC-processors, maar waar ze goedmaken is de ondersteuning voor robuuste SDK's en Frameworks.

2. Thermisch

Waarschijnlijk is een van de minst genoemde overwegingen die van thermische prestaties. Het idee is dat wanneer de interne temperatuur van het systeem tot een bepaald punt stijgt, de processor zal vertragen en de prestaties verminderen. In het geval dat de behuizing een ventilator bevat, kan het resulterende geluid als de ventilator draait merkbaar zijn en in bepaalde situaties niet ideaal.

Hoewel het moeilijk is om de thermische prestaties op het eerste gezicht te visualiseren, zullen bedrijven vaak concurrerende systemen testen en benchmarken.

3. Rijke IO-poorten

Bepalen welke IO-poort en de benodigde hoeveelheid misschien triviaal lijken, maar dit is een andere belangrijke overweging bij het kiezen van een Edge AI embedded systeem. Maar voordat we snel tot een beslissing kunnen komen, moeten we eerst nadenken over de toepassing en de grootte van de omgeving. De eisen van een buurtwinkel zullen verschillen van die van een hypermarkt en die van een supermarkt. Het aantal benodigde poorten zal groeien met de grootte van de winkelruimte, en daarom zal het embedded systeem het benodigde aantal sensoren en nog een paar meer moeten ondersteunen als u de oplossing toekomstbestendig wilt maken.

Wat betreft de specifieke vereiste IO-poort, uit onze ervaring in de slimme winkelruimte, zullen de meeste camera's over het algemeen IP- of USB-camera's zijn.

4. Branding

Het Edge AI embedded systeem vertegenwoordigt het merk van uw bedrijf en kan een onvergetelijke indruk achterlaten. Met uw merk kunt u zich onderscheiden van concurrenten en vormgeven aan het verhaal van waar uw merk voor staat. Of het apparaat nu in het zicht staat of verborgen is achter een paneel, het zou ideaal zijn om de kleur en het ontwerp van uw merk af te stemmen op die van het systeem. Zou je tenslotte echt de standaard blauwe of beige kleuren van een fabrikant willen tonen over je eigen merkkleuren?

5. Niet-aflatende ondersteuning

Er zullen zich ongetwijfeld uitdagingen voordoen tijdens de levenscyclus van uw AI-project, vooral wanneer u met een onbekende SDK of BSP werkt. Om deze hindernissen snel te overwinnen, is het van cruciaal belang om een ​​deskundige partner te hebben die tijdige ondersteuning kan bieden. Niets is vervelender dan een week te moeten wachten op een reactie van uw partner en mogelijk het project te vertragen.

Het kiezen van een partner die aantoonbare ervaring heeft met het omgaan met deze technische problemen kan het verschil zijn tussen tijdige en vertraagde implementatie. Bovendien varieert de relatie tussen chipmakers en hun partners afhankelijk van het partnerschapsniveau, wat van invloed is op de snelheid waarmee u een reactie van uw hardwarepartner kunt verwachten. Een NVIDIA Elite-partner kan uw probleem bijvoorbeeld binnen een paar dagen oplossen, terwijl een NVIDIA Preferred-partner een week kan duren.

Dus hoe werkt dit in de praktijk?

Nu we een basiskennis hebben van de overwegingen voor het selecteren van een Edge AI embedded systeem, laten we eens kijken hoe dit in de praktijk werkt.

Voor een situatie waarin de winkelruimte van een doelklant een gemakswinkel was die een wrijvingsloze winkelervaring met drie bestaande IP-camera's wilde mogelijk maken, kunt u een Edge AI-systeem overwegen, zoals de NX215B van AVerMedia, dat een NVIDIA® Jetson Xavier™ NX-module bevat. Deze multicore-processor met hoge inferentie ondersteunt meerdere sensoren en is tegelijkertijd energiezuinig.

Het embedded systeem bevat een aantal Ethernet-poorten (naast HDMI, USB3.0 en een 20-pins connector), een SSD en WiFi, terwijl het een kleine footprint behoudt, ideaal voor de kleinere winkelruimte. En als NVIDIA Elite-partner is hun ondersteuning gegarandeerd tijdig voor eventuele ongemakken.

Natuurlijk, als je die felle neongroene merkkleur nodig hebt, weet ik zeker dat ze die ook voor je kunnen aanpassen.