5 considérations clés lors du choix d'un système Edge AI intégré pour la vente au détail intelligente

Si l'apparition de la pandémie de COVID-19 a sans aucun doute façonné le comportement d'achat des consommateurs, elle a également accéléré les tendances de vente au détail pré-Covid. Les tendances telles que les paiements sans contact et les expériences d'achat non traditionnelles ne découlent pas de la pandémie ; cependant, leur utilisation devrait augmenter.

Au sortir de la pandémie, les détaillants traditionnels n'ont d'autre choix que de réagir et de moderniser leurs stratégies de vente au détail ou de poursuivre la disparition des fermetures de magasins pré-covid. Cette tendance présente une opportunité pour les éditeurs de logiciels et autres fournisseurs de solutions de vente au détail intelligentes qui cherchent à permettre aux détaillants. Les startups logicielles prometteuses telles que Trigo ou Tiliter, et même le géant de l'industrie Amazon, permettent une expérience d'achat au détail sans friction grâce à la vision par ordinateur, mais derrière ces algorithmes se trouve le matériel qui rend tout possible.

Suivez-nous pendant que nous plongeons dans les considérations clés lors de la sélection du système Edge AI intégré idéal pour l'environnement de vente au détail intelligent.

1. Type de processeur pour l'IA à la périphérie

L'intelligence artificielle sous-tend toutes sortes de capacités, y compris, mais sans s'y limiter, la détection d'objets, la biométrie, la vision par ordinateur et bien plus encore. Et bien qu'un livre blanc puisse être rédigé pour discuter des avantages et des inconvénients de chaque type de processeur, nous couvrirons brièvement deux principaux types de processeurs couramment vendus par les principaux fabricants d'embarqués :

CPU

L'unité centrale de traitement (CPU) se trouve couramment dans la plupart des appareils électroniques et est un processeur polyvalent capable d'effectuer des opérations arithmétiques, logiques, de contrôle et d'entrée/sortie complexes. Cependant, par rapport aux GPU (des FPGA), l'architecture du processeur est optimisée pour le traitement sériel séquentiel grâce au nombre limité de cœurs axés sur les performances disponibles.

Lors de l'exécution de tâches telles que la vision par ordinateur, de grandes quantités de données doivent être traitées en parallèle pour analyser les couleurs, les motifs, les formes, etc. Le volume de données peut être immense, en particulier lorsque l'on considère plusieurs sources simultanées de flux vidéo haute résolution. Pour cette raison, les GPU et les FPGA peuvent potentiellement être plus performants que les CPU.

GPU

Les unités de traitement graphique (GPU) sont nées de l'exigence d'un rendu graphique à haute vitesse. Il a été découvert plus tard que les réseaux de neurones d'apprentissage en profondeur pouvaient être entraînés avec des GPU NVIDIA, ce qui a entraîné une augmentation significative des performances. La raison en est que les GPU sont conçus avec un grand nombre de cœurs parallèles, fournissant des calculs parallèles pour l'entraînement des réseaux neuronaux et l'inférence de l'IA.

Les limitations des GPU incluent une consommation d'énergie élevée (bien que les SoM NVIDIA Jetson soient conçus pour atténuer ce problème), et bien que les performances soient généralement meilleures que les CPU, ils peuvent ne pas fournir autant de performances que les processeurs ASIC spécifiques à l'application, mais là où ils compenser est la prise en charge de SDK et de frameworks robustes.

2. Thermique

L'une des considérations les moins mentionnées est probablement celle des performances thermiques. L'idée est que lorsque la température interne du système augmente jusqu'à un certain point, le processeur ralentit et réduit les performances. Dans le cas où le boîtier comprend un ventilateur, le bruit résultant du démarrage du ventilateur peut être perceptible et pas idéal dans certaines situations.

Bien qu'il soit difficile de visualiser les performances thermiques à première vue, les entreprises testent et comparent souvent des systèmes concurrents.

3. Ports E/S riches

Déterminer quel port IO et la quantité requise peut sembler trivial, mais c'est une autre considération clé lors du choix d'un système embarqué Edge AI. Mais avant de prendre une décision rapide, nous devons d'abord considérer l'application et la taille de l'environnement. Les exigences d'un dépanneur varieront de celles d'un hypermarché et de celles d'un supermarché. Le nombre de ports requis augmentera avec la taille de l'espace de vente au détail et, par conséquent, le système embarqué devra prendre en charge le nombre nécessaire de capteurs et quelques autres si vous souhaitez pérenniser la solution.

En ce qui concerne le port IO spécifique requis, d'après notre expérience dans l'espace de vente au détail intelligent, la plupart des caméras seront généralement des caméras IP ou USB.

4. Marque

Le système embarqué Edge AI représente la marque de votre entreprise et peut offrir une impression mémorable. Votre marque vous permet de vous différencier de vos concurrents et de façonner le récit de ce que votre marque représente. Que l'appareil soit bien en vue ou caché derrière un panneau, il serait idéal de faire correspondre la couleur et le design de votre marque avec ceux du système. Après tout, voudriez-vous vraiment afficher les couleurs bleu ou beige standard d'un fabricant sur les couleurs de votre propre marque ?

5. Soutien indéfectible

Des défis sont inévitables tout au long du cycle de vie de votre projet d'IA, en particulier lorsque vous travaillez avec un SDK ou un BSP inconnu. Pour surmonter rapidement ces obstacles, il est essentiel d'avoir un partenaire bien informé qui peut offrir une assistance en temps opportun. Rien n'est plus gênant que de devoir attendre une semaine une réponse de votre partenaire et potentiellement retarder le projet.

Le choix d'un partenaire ayant une expérience avérée dans la gestion de ces problèmes techniques peut faire la différence entre un déploiement rapide et retardé. De plus, la relation entre les fabricants de puces et leurs partenaires varie en fonction du niveau de partenariat, affectant ainsi la vitesse à laquelle vous pouvez vous attendre à une réponse de votre partenaire matériel. Par exemple, un partenaire NVIDIA Elite peut résoudre votre problème en quelques jours, alors qu'un partenaire NVIDIA Preferred peut prendre une semaine.

Alors, comment cela fonctionne-t-il en pratique ?

Alors maintenant que nous avons une compréhension de base des considérations pour la sélection d'un système embarqué Edge AI, voyons comment cela fonctionne dans la pratique.

Pour une situation où l'espace de vente d'un client cible était un dépanneur souhaitant permettre une expérience d'achat sans friction avec trois caméras IP existantes, vous pouvez envisager un système Edge AI tel que le NX215B d'AVerMedia, qui comprend un module NVIDIA® Jetson Xavier™ NX. Ce processeur multicœur à haute inférence prend en charge plusieurs capteurs tout en étant économe en énergie.

Le système embarqué comprend un certain nombre de ports Ethernet (en plus de HDMI, USB3.0 et d'un connecteur à 20 broches), un SSD et le WiFi, tout en conservant un faible encombrement, idéal pour les petits espaces de vente au détail. Et en tant que partenaire NVIDIA Elite, leur assistance est garantie d'être rapide pour tout inconvénient qui pourrait survenir.

Bien sûr, si vous avez besoin de cette couleur de marque vert fluo vif, je suis sûr qu'ils peuvent également la personnaliser pour vous.

---

Jeremy Juan, directeur marketing principal d'AVerMedia, possède une vaste expérience dans de nombreux aspects de l'industrie IPC, y compris l'IA embarquée et l'informatique durcie, grâce à ses nombreuses années au sein de grandes entreprises du secteur. Il a personnellement dirigé et exécuté le lancement d'un certain nombre de produits phares primés vers les principaux marchés mondiaux