அறிமுகம்:எட்ஜ் சாதனங்களுடனும், IoT அமைப்புகளுடன் செய்யறிவினை(AI) ஒருங்கிணைப்பது, நிகழ்நேர முடிவெடுப்பதையும் வளாகமயமாக்கப்பட்ட தரவு செயலாக்கத்தையும் செயல்படுத்துவதன் மூலம் தொழில்களில் புரட்சியை ஏற்படுத்தி வருகிறது. தொழில்துறை அமைப்புகளில் முன்கணிப்பு பராமரிப்பு முதல் படபிடிப்பு கருவிகளில் நிகழ்நேர பொருளைள் கண்டறிதல் வரை, வள-கட்டுப்படுத்தப்பட்ட சாதனங்களில் செய்யறிவினை(AI) பயன்படுத்துவது சாத்தியக்கூறுகளின் உலகத்தைத் திறக்கிறது. எட்ஜ் சாதனங்கள், சம்பந்தப்பட்ட நுட்பங்கள் ,நடைமுறை பயன்பாடுகள் ஆகியவற்றிற்கு செய்யறிவு(AI) மாதிரிகளை எவ்வாறு மேம்படுத்தலாம் என்பதை இந்தக் கட்டுரை ஆய்வுசெய்திடுகின்றது.
எட்ஜ் சாதனங்களுக்கான செய்யறிவு(AI) ஏன்?
குறைக்கப்பட்ட தாமதம்
தரவை வளாகத்தில் செயலாக்குவது, அதை ஒரு மைய சேவையகத்திற்கு அனுப்ப வேண்டிய தேவையைஅறவே நீக்குகிறது, விரைவான முடிவெடுப்பதை செயல்படுத்துகிறது.
எடுத்துக்காட்டாக: தன்னியக்க வாகனங்கள் sensor தரவை நிகழ்நேரத்தில் செயலாக்குகின்றன.
மேம்படுத்தப்பட்ட தனியுரிமை
உணர்திறன் தரவு சாதனத்தில் உள்ளது, தனியுரிமை கவலைகள் , சாத்தியமான தரவு மீறல்கள் ஆகியவற்றை குறைக்கிறது.
எடுத்துக்காட்டாக: நோயாளி தரவை வளாகத்தில் செயலாக்குகின்ற செய்யறிவு(AI) -இயக்கப்பட்ட மருத்துவ கண்காணிப்பாளர்கள்.
செலவுத் திறன்
மேககணினி சேவைகளை நம்பியிருப்பது குறைக்கப்படுவது செயல்பாட்டு செலவுகளைக் குறைக்கிறது.
மேம்பட்ட நம்பகத்தன்மை
இணைய இணைப்பு இல்லாவிட்டாலும் வளாக செயலாக்கம் செயல்பாட்டை உறுதி செய்கிறது.
எட்ஜ் சாதனங்களில் செய்யறிவின்(AI)சவால்கள்
வரையறுக்கப்பட்ட வளங்கள்
எட்ஜ் சாதனங்கள் பெரும்பாலும் CPU, நினைவகம், மின்சக்தி ஆகியவற்றின் அடிப்படையில் கட்டுப்பாடுகளைக் கொண்டுள்ளன.
பரவலாகஅமர்த்துதல் சிக்கலான தன்மை
எட்ஜ் சாதனங்களுக்கு AI மாதிரிகளை மாற்றியமைப்பதற்கு சிறப்பு நுட்பங்கள் ,கருவிகள் ஆகியன தேவையாகும்.
தரவு அளவு
IoT சாதனங்கள் அதிக அளவிலான தரவை உருவாக்குகின்றன, இதனால் திறமையான தரவு கையாளுதல் , சேமிப்பக தீர்வுகள் தேவைப்படுகின்றன.
எட்ஜ் சாதனங்களுக்கான செய்யறிவு(AI) மாதிரிகளை மேம்படுத்துதல்
மாதிரி அளவுப்படுத்தல்
மாதிரி எடைகளின் துல்லியத்தை குறைக்கிறது (எ.கா., 32-பிட் மிதக்கும் புள்ளியிலிருந்து 8-பிட் முழு எண்கள் வரை).
நன்மைகள்: சிறிய மாதிரி அளவு, வேகமான அனுமானம் ,குறைந்த மின் நுகர்வு.
கருவிகள்: ensorFlow Lite, PyTorch Mobile, ONNX Runtime.ஆகியன.
மாதிரி கத்தரித்தல்
வலைபின்னல்களிலிருந்து குறைவான குறிப்பிடத்தக்க எடைகள் அல்லது நரம்புகளை நீக்குகிறது.
நன்மைகள்: குறிப்பிடத்தக்க துல்லியம், இழப்பு இல்லாமல் சிக்கலான தன்மை கணக்கீட்டுத் தேவைஆகியவற்றினைக் குறைக்கிறது.
அறிவினை வடிகட்டுதல்
ஒரு சிறிய “மாணவர்” மாதிரி ஒரு பெரிய “ஆசிரியர்” மாதிரியிலிருந்து கற்றுக்கொள்கிறது, இதேபோன்ற செயல்திறனைப் பராமரிக்கிறது.
நன்மைகள்: Edgeஇன் பரவலாக அமர்த்துதலுக்கு ஏற்ற சிறிய மாதிரிகள்.
வன்பொருள் முடுக்கம்
NVIDIA Jetson, Coral Edge TPU ,Intel Movidius போன்ற செய்யறிவு(AI) முடுக்கிகளைப் பயன்படுத்திடுக.
நன்மைகள்: வேகமானசெய்யறிவு(AI) அனுமானத்திற்கு உகந்த வன்பொருள்.
திறமையான கட்டமைப்புகள்: MobileNet, SqueezeNet , Tiny YOLO போன்ற Edge சாதனங்களுக்காக வடிவமைக்கப்பட்ட இலகுரக மாதிரிகளைப் பயன்படுத்திடுக.
Edge சாதனங்களில் செய்யறிவினை(AI) பயன்படுத்துதல்
Raspberry Pi
மலிவு ,பல்துறை, நிகழ்நேர AI பயன்பாடுகளுக்கு ஏற்றது.
கருவிகள்: TensorFlow Lite, OpenCV.
பயன்பாடுகள்: நிகழ்நேர பொருள் கண்டறிதல், திறன்மிகுவீட்டுதானியங்கிசெயல்.
Arduino
மீச்சிறுகட்டுப்பாட்டின் அடிப்படையிலான செய்யறிவு(AI) பணிகளுக்கு ஏற்றது.
கருவிகள்: மீச்சிறுகட்டுப்பாடுகளுக்கான TensorFlow Lite போன்ற TinyML கட்டமைப்புகள்.
பயன்பாடுகள்: முன்கணிப்பு பராமரிப்பு, சைகை அங்கீகாரம்.
NVIDIA Jetson
GPU முடுக்கம் கொண்ட உயர் செயல்திறன் கொண்ட எட்ஜ் செய்யறிவு(AI) தளம்.
கருவிகள்: NVIDIA DeepStream, TensorRT. ஆகியன
பயன்பாடுகள்: தன்னாட்சி இயந்திரமனிதர்கள், திறன்மிகு கண்காணிப்பு.
Coral Edge TPU
TensorFlow Lite மாதிரிகளை திறமையாக இயக்குவதற்கான Google இன் வன்பொருள்.
பயன்பாடுகள்: திறன்மிகு படபிடிப்புகருவிகள், பேச்சு ஏற்புகை.
Edge , IoT ஆகியவற்றில் செய்யறிவின்(AI) பயன்பாடுகள்
நிகழ்நேர பொருள் கண்டறிதல்: பயன்பாட்டு வழக்கம்: கிடங்குகளில் ஊடுருவும் நபர்களைக் கண்டறிதல் அல்லது தயாரிப்புகளை அடையாளம் காண்கின்ற திறன்மிகுபடபிடிப்புகருவிகள்.
முன்கணிப்பு பராமரிப்பு: பயன்பாட்டு வழக்கம்: இயங்காமல்நிற்பதைக் கணிக்க இயந்திர அதிர்வுகளை பகுப்பாய்வு செய்கின்ற IoT உணர்விகள்
திறன்மிகுட் வேளாண்மை: பயன்பாட்டு வழக்கம்: துல்லியமான வேளாண்மைக்காக மண்ணின் ஈரப்பதம் , வானிலை நிலைகளை கண்காணிக்கின்ற Edge சாதனங்கள்.
மருத்துவ கண்காணிப்பு: பயன்பாட்டு வழக்கம்: இதயத் துடிப்புகளைக் கண்காணித்து, உண்மையான நேரத்தில் அசாதாரணங்களைக் கண்டறிதல்.
ஆற்றல் உகப்பாக்கம்: பயன்பாட்டு வழக்கம்: பயன்பாட்டு முறைகளின் அடிப்படையில் ஆற்றல் நுகர்வுகளை மேம்படுத்தும் திறன்மிகு கட்டங்கள், வீட்டு அமைப்புகள்.
நேரடி எடுத்துக்காட்டு: ராஸ்பெர்ரி பையில் நிகழ்நேர பொருள் கண்டறிதல்
நோக்கம்: ராஸ்பெர்ரி பை , TensorFlow Lite.ஆகியவற்றினைப் பயன்படுத்தி நிகழ்நேர பொருள் கண்டறிதல் அமைப்பை உருவாக்கிடுக.
படிமுறைகள்:
ராஸ்பெர்ரி பையில் TensorFlow Liteஐ நிறுவுகைசெய்திடுக.
pip install tflite-runtime
முன் பயிற்சி பெற்ற MobileNet மாதிரியைப் பதிவிறக்கம்செய்திடுக.
OpenCV ஐப் பயன்படுத்தி நிகழ்நேர கண்டறிதலுக்கான பைதான் உரைநிரலை எழுதிடுக.
import cv2
import tflite_runtime.interpreter as tflite

Load the model

interpreter = tflite.Interpreter(model_path=”model.tflite”)
interpreter.allocate_tensors()

Capture video feed

cap = cv2.VideoCapture(0)
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break

Preprocess and run inference

Add code for preprocessing and detection

cv2.imshow(“Object Detection”, frame)
if cv2.waitKey(1) & 0xFF == ord(“q”):
break
cap.release()
cv2.destroyAllWindows()
அமைப்பைச் பரிசோதித்துப் பயன்படுத்திடுக.
எட்ஜ் சாதனங்களுக்கான செய்யறிவில்(AI)  எதிர்கால பயன்பாடுகள்
கூட்டமைக்கப்பட்ட கற்றல்: மூலத் தரவைப் பகிர்ந்துகொள்ளாமல் edge சாதனங்கள் பங்களிக்கின்ற விநியோகிக்கப்பட்ட செய்யறிவின்(AI) பயிற்சி.
நிகழ்வு சார்ந்த செய்யறிவு(AI): வளங்களைப் பாதுகாக்க குறிப்பிட்ட தூண்டுதல்களுக்கு பதிலளிக்கும் செய்யறிவின்(AI) அமைப்புகள்.
மேம்பட்ட TinyML: அணியக்கூடிய சாதனங்கள் போன்ற மிகவும் கட்டுப்படுத்தப்பட்ட சாதனங்களில் செய்யறிவின்(AI) வரம்புகளைத் தள்ளுதல்.

AI- இயங்கும் IoT பாதுகாப்பு: IoT இன் வலைபின்னல்களை சைபர்பாதுகாப்பு அச்சுறுத்தல்களிலிருந்து பாதுகாக்க நிகழ்நேர ஒழுங்கின்மையை கண்டறிதல்.
முடிவாக:
edge சாதனங்களில், IoT அமைப்புகளில் செய்யறிவை(AI)பயன்படுத்துவது தொழில்கள் முழுவதும் புதுமைக்கான இணையற்ற வாய்ப்புகளை வழங்குகிறது. உகப்பாக்கம் நுட்பங்கள் , edge -குறிப்பிட்ட வன்பொருளைப் பயன்படுத்துவதன் மூலம், மேம்படுத்துநர்கள் வளக் கட்டுப்பாடுகளைக் கடந்து திறமையான, சக்திவாய்ந்த தீர்வுகளை உருவாக்க முடியும். TinyML , edge செய்யறிவின்(AI) துறை தொடர்ந்து உருவாகி வருவதால், உருமாற்ற பயன்பாடுகளுக்கான சாத்தியக்கூறுகள் வளரக்கூடும்.

தொடரும்