S tím, jak se v zemědělství rozšiřuje nasazení edge AI, začíná být průběžné sledování flotil zařízení přímo v terénu nepraktické. Autonomní stroje přinášejí hodnotu tehdy, když pracují bez lidského dohledu a pozornost si vyžádají pouze v nezbytných případech.
Stroje jako ty od společnosti Burro přepravují náklad a pohybují se mezi pracovními zónami ve vinicích a na farmách. Jejich užitečnost stojí na schopnosti pohybovat se a fungovat v rámci softwarově definovaných hranic a spolehlivě signalizovat výjimečné situace.
Obsluha nedokáže sledovat pohyb každého jednotlivého stroje, ať se návrháři dashboardů snaží sebevíc. Stejně nepraktické je sledovat tucet nebo stovku živých video přenosů, i kdyby to podmínky v terénu umožňovaly. Mnohem vhodnější jsou mechanismy, které automaticky filtrují všechny vstupy a pracují místo lidského operátora – a to ve výrazně větším měřítku, než by zvládla jeho pozornost.
Systém, který nedávno vytvořily společnosti Akamai a Agri Automation Australia, sleduje polohová data z cloudového API Burro, vyhodnocuje je v kontextu předem definovaných geofence oblastí a vydává upozornění, pokud jsou splněny jedna nebo více podmínek. Robot, který vjede do nakládací zóny, skladovací plochy nebo se přiblíží k veřejně přístupnému místu, spustí událost, například automatickou zprávu.
Logika tohoto nastavení běží na Akamai Functions – serverless prostředí této společnosti. Functions spouští kód zkompilovaný do WebAssembly. Běh kódu nepřetrvává déle než jednotlivé vyvolání, takže není potřeba rozsáhlé serverové infrastruktury pro hostování tisíců řádků kódu. Funkce se vyvolá, provede úkol a instance kódu skončí.
Každé vykonání načte aktuální polohu robota, porovná ji s geofencing pravidly a rozhodne, zda má být odesláno upozornění. Každý stav je uchováván ve spravovaném úložišti, aby se neobjevovala duplicitní oznámení. Design zaručuje, že neběží žádné dlouhotrvající procesy, které by vyžadovaly dohled, nevznikají problémy se škálováním, jež by vyžadovaly odborného správce systému, a neexistuje závislost na datovém centru ani na spojení s ním.
Akamai Functions fungují v rámci distribuované edge platformy, která byla původně postavena pro zpracování webového provozu. Vlastnosti, jež prospívaly vysoce škálovanému servírování webů, podle společnosti fungují i v zemědělském prostředí. Latence je nízká díky tomu, že k vykonání dochází blízko místa požadavku, a zároveň je dostupnost vysoká, protože platforma pokrývá několik lokalit. WebAssembly runtime omezuje přístup k hostitelskému prostředí a kód je dočasný.
Na farmách a v dalších zemědělských prostředích mohou být lokality, kde je technologie nasazena, rozptýlené a s různou mírou konektivity. V závislosti na počasí a ročním období se může měnit povaha i rozsah požadovaných úloh. V takových souvislostech může závislost na centrálním backendu nebo stálém síťovém připojení vytvářet významnou úroveň chyb a křehkosti.
Povaha edge zpracování znamená, že se události zpracovávají blízko datových zdrojů. Funkce může například zavolat cloudové API pro získání polohy, ale protože rozhodovací logika běží na edge, je cesta mezi získáním dat a případným fyzickým zásahem mnohem kratší.
Skutečnost, že koncoví uživatelé jsou účtováni za každé vyvolání a výsledný výpočetní čas, znamená mnohem nižší náklady než u předem alokované kapacity – ideální pro úlohy řízené událostmi. Například oznamovací funkce spouští náklady pouze tehdy, když skutečně běží, a neexistuje žádný „paušální poplatek“ za nečinné zdroje.
Jako u každé dobré technologie lze postupně budovat modulární, přírůstkové řešení. Akamai Functions lze integrovat s dalšími službami běžícími na platformě, včetně správy provozu, cache a pokročilé kybernetické bezpečnosti. Geofencing logiku lze upravit bez změny modelu nasazení, lze přidávat nové metody oznámení (třeba podle toho, jaké metody používá existující software pro správu farmy). Systémy lze snadno replikovat na více lokalitách s minimálními změnami, přičemž základní logika zůstává v zásadě stejná a mění se pouze konfigurace specifické pro danou lokalitu.
Navigace, vnímání a řízení mohou zůstat na samotném chytrém zemědělském robotu či zařízení. V těchto případech působí edge funkce jako mezivrstva, která interpretuje výstup z každého robota nebo jeho cloudového rozhraní a rozhoduje, zda zapojit lidského operátora. Inference může nadále probíhat přímo na zařízení a zvládat úkoly jako detekci překážek nebo plánování trasy, což doplňují edge funkce zajišťující agregaci a vynucování pravidel. Model detekující anomálii ve stavu plodin nebo zařízení může edge platformě přenechat rozhodnutí, zda je překročen práh pro eskalaci, a zda má být informován operátor.
Je zřejmé, že účinnost celého systému do určité míry stojí na kvalitě polohových dat a na definici geofence zón. Konektivita mezi roboty nebo stroji, cloudovým API a edge platformou musí být dostatečně spolehlivá: přestože edge compute snižuje latenci, neodstraňuje potřebu spolehlivých dat.
Akamai Functions a podobné zásobníky nabízejí způsob, jak realizovat rovnováhu mezi edge, cloudem a automatizovaným pracovníkem bez nutnosti budovat a udržovat vlastní infrastrukturu. Zachování jednoduchosti – aby se zemědělci a zemědělští pracovníci mohli soustředit na své úkoly – znamená nevnášet do systému, který má snížit pracnost a zvýšit výnosy, zbytečnou složitost.
Zdroj: cloudcomputing-news.net
Zdroj: IOT NETWORK NEWS
