Jim Bennett
4 years ago
committed by
GitHub
commit
efcc1244f7
@ -0,0 +1,230 @@
|
||||
# IoT에 대한 소개
|
||||
|
||||
|
||||
|
||||
> [Nitya Narasimhan](https://github.com/nitya) 의 스케치노트. 더 큰 이미지를 보고싶으면 클릭하세요.
|
||||
|
||||
이 수업은 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn)의 [Hello IoT series](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 일부로 진행되었습니다. 수업은 2개의 비디오로 진행되었는데, 1시간짜리 수업과 강의에 대한 집중탐구 및 질의 응답 1시간으로 구성되어있습니다.
|
||||
|
||||
[](https://youtu.be/bVFfcYh6UBw)
|
||||
|
||||
[](https://youtu.be/YI772q5v3yI)
|
||||
|
||||
> 🎥 비디오를 시청하고 싶으면 이미지를 클릭하세요
|
||||
|
||||
## 강의 전 퀴즈
|
||||
|
||||
[강의 전 퀴즈](https://brave-island-0b7c7f50f.azurestaticapps.net/quiz/1)
|
||||
|
||||
## 개요
|
||||
|
||||
이 강의에서는 사물 인터넷과 관련된 몇 가지 소개용 항목에 대해 설명하고 하드웨어를 설정하는 방법에 대해 설명합니다.
|
||||
|
||||
이 단원에서는 다음을 다룹니다:
|
||||
|
||||
* ['사물 인터넷'이란?](#what-is-the-internet-of-things)
|
||||
* [IoT 장치](#iot-devices)
|
||||
* [디바이스 설정](#set-up-your-device)
|
||||
* [IoT의 응용 프로그램](#applications-of-iot)
|
||||
* [내 주변에서 IoT의 예시](#examples-of-iot-devices-you-may-have-around-you)
|
||||
|
||||
## '사물 인터넷'이란 무엇인가?
|
||||
|
||||
'사물 인터넷'이라는 용어는 1999년, [Kevin Ashton](https://wikipedia.org/wiki/Kevin_Ashton)이 센서를 통해 인터넷을 물리적 세계에 연결하는 것을 지칭하기 위해 만들었다. 그 이후로 이 용어는 센서로부터 데이터를 수집하거나 액츄에이터(스위치를 켜거나 LED를 켜거나 켜는 것과 같은 일을 하는 장치)를 통해 실제 상호작용을 제공함으로써 주변 물리 세계와 상호 작용하는 모든 장치를 기술하기 위해 사용되어 왔으며 일반적으로 다른 장치나 인터넷에 연결되어 있다.
|
||||
|
||||
> **센서** 는 속도, 온도 또는 위치 와 같은 정보를 세상에서 수집합니다.
|
||||
>
|
||||
> **액츄에이터** 는 전기 신호를 스위치 트리거, 조명 켜기, 소리 내기 또는 전원 소켓 켜기와 같은 실제 상호 작용으로 변환합니다.
|
||||
|
||||
IoT는 단순한 기기가 아니라 센서 데이터를 처리하거나 IoT 기기에 연결된 액츄에이터에 요청을 보낼 수 있는 클라우드 기반 서비스를 포함합니다. 또한 edge장치라고 종종 언급되는, 인터넷 연결이 없거나 필요하지 않은 장치도 포함됩니다. 이들은 센서 데이터를 자체적으로 처리하고 대응할 수 있는 장치들로, 대개 클라우드에서 훈련된 AI 모델을 사용합니다.
|
||||
|
||||
IoT는 빠르게 성장하는 기술 분야입니다. 2020년 말까지, IoT 기기가 300억대 보급돼 인터넷에 연결된 것으로 추산됩니다. 미래를 내다보면 2025년에는, IoT 기기가 거의 80제타바이트 또는 80조 기가바이트의 데이터를 수집할 것으로 예상됩니다. 정말 많은 데이터양이죠!
|
||||
|
||||
|
||||
|
||||
✅ 약간의 조사를 해보세요: IoT 기기에서 생성된 데이터의 얼마가 실제로 사용되고 있고, 얼마나 많은 데이터가 낭비되고 있나요? 왜 이렇게 많은 데이터가 무시되는 것일까요?
|
||||
|
||||
IoT 성공의 비결은 바로 이 데이터입니다. 성공적인 IoT 개발자가 되려면 수집해야 할 데이터, 수집 방법, 이를 어떻게 결정을 할지 및 필요한 경우 이러한 결정들을 물리 세계와 연동하기 위해 어떻게 이용해야하는지 이해해야 합니다.
|
||||
|
||||
## IoT 장치
|
||||
|
||||
IoT에서 **T** 는 **Things** 을 의미합니다. - 센서로부터 데이터를 수집하거나 액추에이터를 통해 실세계의 상호작용을 제공하며 주변 물리적 세계와 상호 작용하는 장치입니다.
|
||||
|
||||
소비자 피트니스 추적기 또는 산업용 기계 제어기와 같은 생산 또는 상업적 사용을 위한 장치는 일반적으로 맞춤 제작됩니다. 이들은 맞춤형 회로 기판, 심지어 맞춤형 프로세서를 사용하기도 하는데, 이 기판은 손목에 찰 정도로 작거나 고온, 고강도 또는 고진동 공장 환경에서 작동하기에 충분히 견고하거나, 손목에 잘 맞도록 설계되어 있습니다.
|
||||
|
||||
개발자는 IoT에 대해 배우거나 기기 프로토타입을 만들 때 개발자 키트로 시작해야 합니다. 그것은 개발자가 사용할 수 있도록 설계된 범용 IoT 장치이며, 센서나 액추에이터를 연결할 수 있는 외부 핀 세트, 디버깅을 지원하는 하드웨어 또는 대규모 제조 실행 시 불필요한 비용을 추가하는 추가 리소스와 같은 운영 장치에는 없는 기능을 갖추고 있습니다.
|
||||
|
||||
이러한 개발자 키트는 일반적으로 마이크로컨트롤러와 싱글보드 컴퓨터의 두 가지 범주로 나뉩니다. 이것들은 여기서 소개될 것이고, 다음 수업에서 더 자세히 다루도록 하겠습니다.
|
||||
|
||||
> 💁 당신의 핸드폰 또한 센서와 액추에이터가 내장된 범용 IoT 기기로도 볼 수 있으며, 앱마다 센서와 액추에이터를 사용하는 방식이 다르고 클라우드 서비스도 다릅니다. 당신은 또한 휴대폰 앱을 IoT 기기로 사용하는 IoT 튜토리얼도 찾아볼 수 있습니다.
|
||||
|
||||
### 마이크로컨트롤러
|
||||
|
||||
마이크로컨트롤러(줄여서 MCU라고도 함)는 다음과 같이 구성된 소형 컴퓨터입니다.:
|
||||
|
||||
🧠 하나 이상의 CPU(중앙 처리 장치) - 당시의 프로그램을 실행하는 마이크로컨트롤러의 '두뇌'
|
||||
|
||||
💾 메모리(RAM 및 프로그램 메모리) - 당신의 프로그램, 데이터 및 변수가 저장되는 위치
|
||||
|
||||
🔌 프로그래밍 가능한 입출력(I/O) 연결 - 센서 및 액추에이터와 같은 외부 주변 장치(연결 장치)와 통신
|
||||
|
||||
마이크로컨트롤러는 일반적으로 저렴한 컴퓨팅 장치이며, 사용자 지정 하드웨어에 사용되는 장치의 평균 가격은 약 0.50달러까지 떨어지며, 어떤 장치는 0.03달러만큼 저렴합니다. 개발자 키트는 미화 4달러부터 시작할 수 있으며, 기능을 추가할수록 비용도 증가합니다. [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 센서, 액츄에이터, WiFi, 스크린을 갖춘 [Seeed studios](https://www.seeedstudio.com) 의 마이크로컨트롤러 개발자 키트로 미화 약 30달러의 가격으로 형성되어 있습니다.
|
||||
|
||||
|
||||
|
||||
> 💁 인터넷에서 마이크로컨트롤러를 검색할 때 **MCU**라는 용어를 검색하면 마이크로컨트롤러가 아닌 Marvel Cinematic Universe에 대한 많은 결과를 얻을 수 있으므로 주의해야 합니다.
|
||||
|
||||
마이크로컨트롤러는 PC나 맥과 같은 범용 컴퓨터가 아니라 제한된 수의 매우 특정한 작업을 수행하도록 프로그래밍되어 있습니다. 매우 구체적인 시나리오를 제외하고는 모니터, 키보드 및 마우스를 연결하여 범용 작업에 사용할 수 없습니다.
|
||||
|
||||
마이크로컨트롤러 개발자 키트는 보통 추가적인 센서와 작동기가 탑재되어 있습니다. 대부분의 보드에는 프로그래밍할 수 있는 하나 이상의 LED와 다양한 제조업체의 에코시스템을 사용하여 더 많은 센서 또는 액추에이터를 추가하는 표준 플러그와 같은 다른 장치 또는 내장 센서(일반적으로 온도 센서 등 가장 인기 있는 센서)가 있습니다. 일부 마이크로컨트롤러는 Bluetooth 또는 WiFi와 같은 무선 연결이 내장되어 있거나 이 연결을 추가하기 위해 보드에 추가 마이크로컨트롤러가 있습니다.
|
||||
|
||||
> 💁 마이크로컨트롤러는 보통 C/C++로 프로그래밍 됩니다.
|
||||
|
||||
### 싱글보드 컴퓨터
|
||||
|
||||
단일 보드 컴퓨터(single-board computer)는 하나의 작은 보드에 포함된 완전한 컴퓨터의 모든 요소를 포함하는 소형 컴퓨팅 장치입니다. 데스크탑 또는 노트북 PC 또는 Mac에 가까운 사양을 갖추고 있으며 전체 운영 체제를 실행하지만 크기가 작고 전력 사용량이 적으며 가격이 상당히 저렴한 장치입니다.
|
||||
|
||||
|
||||
|
||||
라즈베리 파이는 가장 인기 있는 싱글보드 컴퓨터 중 하나입니다.
|
||||
|
||||
마이크로컨트롤러와 마찬가지로 싱글보드 컴퓨터에는 CPU, 메모리, 입출력 핀이 있지만 모니터, 오디오 출력, USB 포트를 연결하여 키보드 마우스와 웹캠이나 외장 스토리지와 같은 표준 USB 장치를 연결할 수 있는 그래픽 칩과 같은 추가 기능이 있습니다. 프로그램은 메모리 칩 대신 운영 체제와 함께 SD 카드나 하드 드라이브에 저장됩니다.
|
||||
|
||||
> 🎓 싱글보드 컴퓨터는 센서 및 액추에이터와 상호 작용할 GPIO(일반용 입력/출력) 핀을 추가하여 읽고 있는 PC 또는 Mac의 더 작고 저렴한 버전이라고 생각할 수 있습니다.
|
||||
|
||||
싱글보드 컴퓨터는 모든 기능을 갖춘 컴퓨터이므로 모든 언어로 프로그래밍할 수 있습니다. IoT 장치는 일반적으로 파이썬으로 프로그래밍됩니다.
|
||||
|
||||
### 남은 수업 동안의 하드웨어 선택
|
||||
|
||||
이후의 모든 과정에는 IoT 디바이스를 사용하여 물리적 세계와 상호 작용하고 클라우드와 통신하는 과제가 포함됩니다. 각 레슨은 Arduino(Seeed Studios Wio Terminal 사용) 또는 단일 보드 컴퓨터, 물리적 장치(Lasberry Pi 4), PC 또는 Mac에서 실행되는 가상 단일 보드 컴퓨터 등 3가지 장치를 지원합니다.
|
||||
|
||||
모든 과제를 완료하는 데 필요한 하드웨어에 대한 자세한 내용은 [하드웨어 가이드](../../../hardware.md)에서 확인할 수 있습니다.
|
||||
|
||||
> 💁 과제를 완료하기 위해 IoT 하드웨어를 구입할 필요가 없으며 가상 싱글보드 컴퓨터로 모든 작업을 수행할 수 있습니다.
|
||||
|
||||
어떤 하드웨어를 선택할지는 여러분의 학교와 가정에서 사용할 수 있는 것과 여러분이 알고 있거나 배울 계획인 프로그래밍 언어에 달려 있습니다. 두 하드웨어 변형 모두 동일한 센서 생태계를 사용하기 때문에 한 경로에서 시작하면 대부분의 키트를 교체할 필요 없이 다른 경로로 변경할 수 있습니다. 가상 싱글보드 컴퓨터는 라즈베리 파이에서 학습하는 것과 같으며, 결국 장치와 센서를 얻게 되면 대부분의 코드를 파이로 전송할 수 있습니다.
|
||||
|
||||
### 아두이노 개발자 키트
|
||||
|
||||
마이크로컨트롤러 개발에 관심이 있다면 아두이노 기기를 이용해 과제를 완료할 수 있습니다. 이 수업은 아두이노 프레임워크, 사용 중인 센서와 액추에이터, 클라우드와 상호 작용하는 라이브러리와 관련된 코드만 가르치기 때문에 C/C++ 프로그래밍에 대한 기본적인 이해가 필요합니다.
|
||||
|
||||
과제는 [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) 와 [PlatformIO extension for microcontroller development](https://platformio.org)를 이용할 것입니다. 또한 이 도구에 익숙한 경우, 지침이 제공되지 않는 Arduino IDE를 사용할 수도 있습니다.
|
||||
|
||||
### Single-board 컴퓨터 개발자 키트
|
||||
|
||||
싱글보드 컴퓨터를 사용하여 IoT 개발을 배우는 데 관심이 있다면 PC 또는 Mac에서 실행 중인 가상 장치인 라즈베리 파이를 사용하여 과제를 완료할 수 있습니다.
|
||||
|
||||
사용 중인 센서와 액추에이터, 클라우드와 상호 작용하는 라이브러리와 관련된 코드만 학습하므로 파이썬 프로그래밍에 대한 기본적인 이해가 필요합니다.
|
||||
|
||||
> 💁 만약 당신이 Python으로 코드를 알기 원한다면 : 다음의 두개의 비디오 시리즈를 확인해보세요 :
|
||||
>
|
||||
> * [입문자를 위한 파이썬](https://channel9.msdn.com/Series/Intro-to-Python-Development?WT.mc_id=academic-17441-jabenn)
|
||||
> * [입문자를 위한 더 많은 파이썬](https://channel9.msdn.com/Series/More-Python-for-Beginners?WT.mc_id=academic-7372-jabenn)
|
||||
|
||||
과제에서는 [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn)을 이용할 것입니다..
|
||||
|
||||
Rasberry Pi를 사용하는 경우 Rasberry Pi OS의 전체 데스크톱 버전을 사용하여 Pi를 실행하고 [Rasberry Pi OS 버전의 VS Code](https://code.visualstudio.com/docs/setup/raspberry-pi?WT.mc_id=academic-17441-jabenn)를 사용하여 Pi에서 직접 모든 코딩을 수행하거나 [원격 SSH 확장](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn)을 사용하여 PC 또는 Mac의 헤드리스 장치 및 코드로 Pi를 실행할 수 있습니다. 직접 코드를 코딩하는 것처럼 코드를 편집, 디버그 및 실행합니다.
|
||||
|
||||
가상 디바이스 옵션을 사용하는 경우 컴퓨터에서 직접 코딩합니다. 센서와 액추에이터에 액세스하는 대신 도구를 사용하여 정의할 수 있는 센서 값을 제공하고 액추에이터의 결과를 화면에 표시합니다.
|
||||
|
||||
## 장치 설정
|
||||
|
||||
IoT 장치 프로그래밍을 시작하려면 먼저 소량의 설정을 수행해야 합니다. 사용할 기기에 따라 아래의 관련 지침을 따라보세요.
|
||||
|
||||
> 💁 아직 장치가 없는 경우 [하드웨어 가이드](../../../../hardware.md)를 참조하여 사용할 장치와 구입해야 할 추가 하드웨어를 결정해보세요. 모든 프로젝트를 가상 하드웨어에서 실행할 수 있으므로 하드웨어를 구입할 필요는 없습니다.
|
||||
|
||||
이러한 지침에는 사용할 하드웨어 또는 도구를 만든 사람이 제공하는 타사 웹 사이트에 대한 링크가 포함됩니다. 이렇게 하면 다양한 도구 및 하드웨어에 대한 최신 지침을 항상 사용할 수 있습니다.
|
||||
|
||||
관련 안내에 따라 장치를 설정하고 'Hello World' 프로젝트를 완료해보세요. 이것은 이 시작 부분의 4가지 레슨에 대한 IoT 야간조명을 만드는 첫 번째 단계가 될 것입니다.
|
||||
|
||||
* [Arduino - Wio Terminal](wio-terminal.md)
|
||||
* [Single-board computer - Raspberry Pi](pi.md)
|
||||
* [Single-board computer - Virtual device](virtual-device.md)
|
||||
|
||||
✅ 당신은 아두이노와 싱글보드 컴퓨터 모두에 VS code를 사용하게 될 것입니다. 사용해본적이 없다면 [VS Code site](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn)를 자세히 읽어보세요.
|
||||
|
||||
## IoT의 응용
|
||||
|
||||
IoT는 몇 가지 광범위한 그룹에 걸쳐 광범위한 사용 사례를 다루고 있습니다 :
|
||||
|
||||
* 소비자 IoT
|
||||
* 상용 IoT
|
||||
* 산업 IoT
|
||||
* 사회 기반 시설 IoT
|
||||
|
||||
✅ 약간의 조사를 해보세요: 아래에 설명된 각 영역에 대해, 본문에 나와 있지 않은 구체적인 예를 하나 찾아보세요.
|
||||
|
||||
### 소비자 IoT
|
||||
|
||||
컨슈머 IoT는 소비자가 가정 주변에서 구매해 사용할 IoT 기기를 말합니다. 스마트 스피커, 스마트 난방 시스템, 로봇 청소기와 같은 이 장치들 중 일부는 엄청나게 유용합니다. 음성 제어 수도꼭지와 같이 유용성이 의심되는 경우도 있는데, 이는 음성 제어가 흐르는 물 소리 때문에 당신의 목소리를 들을 수 없기 때문에 끌 수 없음을 의미합니다.
|
||||
|
||||
소비자 IoT 기기들은 특히 장애를 가진 10억 명의 사람들에게 그들의 환경에서 더 많은 것을 성취할 수 있는 힘을 주고 있습니다. 로봇청소기는 스스로 진공청소기를 사용할 수 없는 거동이 불편한 사람들에게 깨끗한 바닥을 제공할 수 있고, 음성제어 오븐은 시력이 제한적이거나 운동기능이 있는 사람들이 목소리만으로 오븐을 데울 수 있게 하며, 건강 모니터는 환자들이 만성 상태를 그들의 상태에 대한 업데이트로 보다 규칙적이고 더 자세하게 스스로 모니터링할 수 있게 합니다. 예를 들어 COVID 대유행 기간 동안 가상 교육을 하는 학생들이 스마트 홈 장치에 타이머를 설정하여 학교 공부를 추적하거나 다가오는 학급 회의를 상기시키는 등 이러한 장치는 매우 보편화되고 있습니다.
|
||||
|
||||
✅ 개인 또는 가정에 어떤 소비자 IoT 기기를 가지고 있나요?
|
||||
|
||||
### 상용 IoT
|
||||
|
||||
상용 IoT는 직장에서 IoT를 사용하는 것을 포함합니다. 사무실 환경에서는 조명과 난방을 관리하기 위한 거주 감지기와 동작 감지기가 있어 필요하지 않을 때만 조명을 유지하고 열을 차단하여 비용과 탄소 배출량을 줄일 수 있습니다. 공장에서 사물인터넷(IoT) 기기는 작업자가 안전모를 쓰지 않거나 위험 수위에 도달한 소음 등 안전상의 위험을 감시할 수 있습니다. 소매업체에서는 사물인터넷(IoT) 기기가 냉장·냉동고가 필요 온도 범위를 벗어나면 점주에게 알려 냉장·냉동고 보관 온도를 측정하거나, 선반에 있는 품목을 모니터링해 직원들에게 판매된 농산물을 리필하도록 지시할 수 있습니다. 운송업계는 차량 위치 모니터링, 도로 사용자 충전을 위한 온로드 마일리지 추적, 운전자 시간 및 고장 준수 여부 추적, 적재 또는 하역 준비를 위해 차량 입고지 접근 시 직원에게 알리는 등의 IoT 의존도가 높아지고 있습니다.
|
||||
|
||||
✅ 당신의 학교나 직장에 어떤 상용 IoT 기기를 가지고 있나요?
|
||||
|
||||
### 산업 IoT (IIoT)
|
||||
|
||||
산업용 IoT 또는 IIoT는 대규모로 기계를 제어하고 관리하기 위해 IoT 장치를 사용하는 것입니다. 여기에는 공장에서 디지털 농업에 이르기까지 광범위한 사용 사례가 포함됩니다.
|
||||
|
||||
공장들은 IoT 기기를 다양한 방식으로 사용합니다. 기계는 온도, 진동, 회전 속도와 같은 것들을 추적하기 위해 여러 센서로 모니터링될 수 있습니다. 그런 다음 이 데이터를 모니터링하여 특정 공차를 벗어날 경우 기계가 중지되도록 할 수 있습니다. 예를 들어, 너무 뜨거울 경우 기계가 종료됩니다. 이 데이터는 시간이 지남에 따라 수집 및 분석하여 예측 정비를 수행할 수 있으며, 여기서 AI 모델은 장애로 이어지는 데이터를 살펴보고 다른 장애가 발생하기 전에 예측에 사용할 수 있습니다.
|
||||
|
||||
지구의 증가하는 인구, 특히 [지속 농업](https://wikipedia.org/wiki/Subsistence_agriculture)으로 생존하는 5억 가구 20억 인구의 경우 디지털 농업이 중요합니다. 디지털 농업은 몇 개의 한 자릿수 달러 센서에서 대규모 상업 설정에 이르기까지 다양합니다. 농부는 온도를 모니터링하고 [일별 성장 비율](https://wikipedia.org/wiki/Growing_degree-day) 을 사용하여 농작물이 언제 수확할 수 있는지 예측할 수 있습니다. 그들은 토양 수분 모니터링과 자동 식수 시스템을 연결하여 식물들에게 필요한 만큼의 물을 줄 수 있지만, 물을 낭비하지 않고 농작물이 마르지 않도록 더 이상 보장할 수는 없습니다. 농부들은 심지어 그것을 더 나아가서 드론, 위성 데이터, AI를 이용하여 거대한 농경지의 농작물 성장, 질병, 토양의 질 등을 감시하고 있습니다.
|
||||
|
||||
✅ 농부들에게 도움이 될 수 있는 다른 사물인터넷 기기들은 무엇일까요?
|
||||
|
||||
### 사회 기반 시설(인프라) IoT
|
||||
|
||||
인프라 IoT는 사람들이 일상적으로 사용하는 지역적 인프라와 세계적 인프라를 감시하고 제어하는 것입니다.
|
||||
|
||||
[Smart Cities](https://wikipedia.org/wiki/Smart_city) 는 IoT 기기를 사용하여 도시에 대한 데이터를 수집하고 도시 운영 방식을 개선하는 도시 지역입니다. 이 도시들은 보통 지방 정부, 학계, 지역 기업들 간의 협업으로 운영되며, 교통에서부터 주차, 오염에 이르기까지 다양한 것들을 추적하고 관리합니다. 예를 들어 덴마크 코펜하겐은 대기오염이 지역 주민들에게 중요하기 때문에 이를 측정해 데이터를 활용해 가장 깨끗한 자전거와 조깅 경로에 대한 정보를 제공합니다.
|
||||
|
||||
[스마트 전력망](https://wikipedia.org/wiki/Smart_grid) 은 개별 가정 수준에서 사용 데이터를 수집하여 전력 수요를 더 잘 분석할 수 있도록 합니다. 이 데이터는 발전소를 새로 지을 장소를 포함한 국가 차원에서의 의사 결정을 안내할 수 있으며, 사용자가 얼마나 많은 전력을 사용하고 있는지, 언제 사용하는지에 대한 통찰력과 심지어 야간 전기차 충전과 같은 비용 절감 방법에 대한 제안까지 사용자에게 제공하여 개인 차원에서의 의사 결정을 안내할 수 있습니다.
|
||||
|
||||
✅ 만약 당신이 살고 있는 곳의 사물인터넷 장치를 추가하여 무엇이든 측정할 수 있다면, 무엇을 하고 싶나요?
|
||||
|
||||
## 주변에 있을 수 있는 IoT 장치의 예
|
||||
|
||||
주변에 IoT 기기가 얼마나 많은지 알면 놀라실거에요. 집에서 작성 중이며 앱 컨트롤, 음성 컨트롤 또는 전화기를 통해 데이터를 전송하는 기능과 같은 스마트 기능을 갖춘 다음과 같은 장치들이 인터넷에 연결되어 있습니다.
|
||||
|
||||
* 다중 스마트 스피커
|
||||
* 냉장고, 식기세척기, 오븐 및 전자레인지
|
||||
* 태양 전지판용 전기 모니터
|
||||
* 스마트 플러그
|
||||
* 비디오 초인종 및 보안 카메라
|
||||
* 여러 개의 스마트 룸 센서가 장착된 스마트 온도 조절기
|
||||
* 차고 문 개폐기
|
||||
* 가정용 엔터테인먼트 시스템 및 음성 제어 TV
|
||||
* 조명
|
||||
* 피트니스 및 건강 추적기
|
||||
|
||||
이러한 모든 유형의 장치에는 센서 및/또는 작동기가 있으며 인터넷과 통신합니다. 우리는 휴대폰으로 차고 문이 열려 있는지 알 수 있고, 스마트 스피커에게 문을 닫아달라고 부탁할 수 있습니다. 타이머도 설정할 수 있어서 밤에 열려 있으면 자동으로 닫힙니다. 초인종이 울리면 세계 어디에 있든 휴대폰으로 누가 있는지, 초인종 안에 내장된 스피커와 마이크를 통해 대화할 수 있습니다. 나는 내 혈당, 심박수, 수면 패턴을 모니터링 할 수 있고 내 건강을 증진시키기 위해 데이터에서 패턴을 찾을 수 있습니다. 우리는 클라우드를 통해 조명을 제어할 수 있고, 인터넷 연결이 끊어졌을 때 어둠 속에 앉아 있을 수 있습니다.
|
||||
|
||||
---
|
||||
|
||||
## 🚀 도전
|
||||
|
||||
집, 학교 또는 직장에 있는 IoT 기기를 가능한 한 많이 나열해보세요 - 생각보다 많을 에요!
|
||||
|
||||
## 강의 후 퀴즈
|
||||
|
||||
[강의 후 퀴즈](https://brave-island-0b7c7f50f.azurestaticapps.net/quiz/2)
|
||||
|
||||
## 복습 & 자기주도 학습
|
||||
|
||||
소비자 IoT 프로젝트의 이점과 실패에 대해 읽어보세요. 뉴스 사이트에서 개인 정보 보호 문제, 하드웨어 문제 또는 연결 부족으로 인한 문제와 같은 잘못된 기사를 확인해보세요.
|
||||
|
||||
예시 :
|
||||
|
||||
* 트위터 계정 **[Internet of Sh*t](https://twitter.com/internetofshit)** *(profanity warning)* 에서 소비자 IoT의 실폐사례로 좋은 몇가지 예시들을 확인해보세요.
|
||||
* [c|net - My Apple Watch saved my life: 5 people share their stories](https://www.cnet.com/news/apple-watch-lifesaving-health-features-read-5-peoples-stories/)
|
||||
* [c|net - ADT technician pleads guilty to spying on customer camera feeds for years](https://www.cnet.com/news/adt-home-security-technician-pleads-guilty-to-spying-on-customer-camera-feeds-for-years/) *(trigger warning - non-consensual voyeurism)*
|
||||
|
||||
## 과제
|
||||
|
||||
[IoT 프로젝트 조사](assignment.md)
|
||||
@ -0,0 +1,266 @@
|
||||
# IoT में गहराई से अध्ययन करें
|
||||
|
||||
|
||||
|
||||
> स्केचनोट [नित्य नरसिम्हन](https://github.com/nitya) द्वारा बनाया गया है। एक बड़े संस्करण के लिए छवि पर क्लिक करें।
|
||||
|
||||
यह पाठ [Hello IoT series](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) के हिस्से के रूप में [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=अकादमिक-17441-jabenn) से पढ़ाया गया था। पाठ को 2 वीडियो में पढ़ाया गया था - 1 घंटे का पाठ, और 1 घंटे का कार्यालय समय जिसमे पाठ के कुछ हिस्सों में गहराई से अध्ययन करते हैं और सवालों के जवाब देते हैं।
|
||||
|
||||
[](https://youtu.be/t0SySWw3z9M)
|
||||
|
||||
[](https://youtu.be/tTZYf9EST1E)
|
||||
|
||||
> वीडियो देखने के लिए ऊपर की छवियों पर क्लिक करें
|
||||
|
||||
## पूर्व व्याख्यान प्रश्नोत्तरी
|
||||
|
||||
[व्याख्यान पूर्व प्रश्नोत्तरी](https://brave-island-0b7c7f50f.azurestaticapps.net/quiz/3)
|
||||
|
||||
## परिचय
|
||||
|
||||
यह पाठ पिछले पाठ में शामिल कुछ अवधारणाओं में गहराई से अध्ययन करता है।
|
||||
|
||||
इस पाठ में हम कवर करेंगे:
|
||||
|
||||
* [एक IoT एप्लिकेशन के अंश](#एक-IoT-एप्लिकेशन-के-अंश)
|
||||
* [माइक्रोकंट्रोलर्स में गहराई से अध्ययन करें](#माइक्रोकंट्रोलर-में-गहराई-से-अध्ययन-करें)
|
||||
* [सिंगल-बोर्ड कंप्यूटरों में गहराई से अध्ययन करें](#सिंगल-बोर्ड-कंप्यूटर-में-गहराई-से-अध्ययन-करें)
|
||||
|
||||
## एक IoT एप्लिकेशन के अंश
|
||||
|
||||
IoT एप्लिकेशन के दो घटक हैं *इंटरनेट* और *थिंग*। आइए इन दो अंशों को थोड़ा और विस्तार से देखें।
|
||||
|
||||
### थिंग
|
||||
|
||||
|
||||
|
||||
IoT का **थिंग** भाग एक ऐसे उपकरण को संदर्भित करता है जो भौतिक दुनिया के साथ इंटरैक्ट कर सकता है। ये उपकरण आमतौर पर छोटे, कम कीमत वाले कंप्यूटर होते हैं, जो कम गति पर चलते हैं और कम शक्ति का उपयोग करते हैं - उदाहरण के लिए, किलोबाइट रैम के साथ साधारण माइक्रोकंट्रोलर (पीसी में गीगाबाइट के विपरीत) केवल कुछ सौ मेगाहर्ट्ज़ पर चल रहे हैं (पीसी में गीगाहर्ट्ज़ के विपरीत), लेकिन कभी-कभी इतनी कम बिजली की खपत करते हुए कि वे बैटरी पर हफ्तों, महीनों या वर्षों तक चल सकते हैं।
|
||||
|
||||
ये उपकरण भौतिक दुनिया के साथ बातचीत करते हैं, या तो सेंसर का उपयोग करके अपने आसपास से डेटा इकट्ठा करते हैं या भौतिक परिवर्तन करने के लिए आउटपुट या एक्चुएटर्स को नियंत्रित करते हैं। इसका विशिष्ट उदाहरण एक स्मार्ट थर्मोस्टेट है - एक उपकरण जिसमें एक तापमान सेंसर होता है, एक वांछित तापमान जैसे डायल या टचस्क्रीन सेट करने का साधन, और एक हीटिंग या कूलिंग सिस्टम से एक कनेक्शन जिसे तापमान का पता चलने पर चालू किया जा सकता है वांछित सीमा से बाहर है। तापमान संवेदक यह पता लगाता है कि कमरा बहुत ठंडा है और एक एक्चुएटर हीटिंग को चालू कर देता है।
|
||||
|
||||
|
||||
|
||||
विभिन्न चीजों की एक विशाल श्रृंखला है जो IoT उपकरणों के रूप में कार्य कर सकती है, समर्पित हार्डवेयर से जो एक चीज को समझती है, सामान्य प्रयोजन के उपकरणों तक, यहां तक कि आपका स्मार्टफोन भी! एक स्मार्टफोन अपने आसपास की दुनिया का पता लगाने के लिए सेंसर का उपयोग कर सकता है, और दुनिया के साथ बातचीत करने के लिए एक्ट्यूएटर्स का उपयोग कर सकता है - उदाहरण के लिए आपके स्थान का पता लगाने के लिए एक जीपीएस सेंसर का उपयोग करना और एक स्पीकर का उपयोग करके आपको गंतव्य पर नेविगेशन निर्देश देना।
|
||||
|
||||
✅अपने आस-पास मौजूद अन्य प्रणालियों के बारे में सोचें जो सेंसर से डेटा पढ़ती हैं और निर्णय लेने के लिए इसका उपयोग करती हैं। एक उदाहरण ओवन पर थर्मोस्टैट होगा। क्या आप और खोज सकते हैं?
|
||||
|
||||
### इंटरनेट
|
||||
|
||||
IoT एप्लिकेशन के **इंटरनेट** पक्ष में ऐसे एप्लिकेशन होते हैं जिन्हें IoT डिवाइस डेटा भेजने और प्राप्त करने के लिए कनेक्ट कर सकता है, साथ ही अन्य एप्लिकेशन जो IoT डिवाइस से डेटा को प्रोसेस कर सकते हैं और IoT डिवाइस एक्ट्यूएटर्स को कौन से अनुरोध भेजने के लिए निर्णय लेने में मदद करते हैं।
|
||||
|
||||
एक विशिष्ट सेटअप में किसी प्रकार की क्लाउड सेवा होगी जिससे IoT डिवाइस कनेक्ट होता है, और यह क्लाउड सेवा सुरक्षा जैसी चीज़ों को संभालती है, साथ ही IoT डिवाइस से संदेश प्राप्त करती है, और डिवाइस पर संदेश वापस भेजती है। यह क्लाउड सेवा तब अन्य अनुप्रयोगों से कनेक्ट होगी जो सेंसर डेटा को संसाधित या संग्रहीत कर सकते हैं, या निर्णय लेने के लिए अन्य सिस्टम के डेटा के साथ सेंसर डेटा का उपयोग कर सकते हैं।
|
||||
|
||||
डिवाइस हमेशा वाई-फ़ाई या वायर्ड कनेक्शन के माध्यम से सीधे इंटरनेट से कनेक्ट नहीं होते हैं। कुछ डिवाइस ब्लूटूथ जैसी तकनीकों पर एक-दूसरे से बात करने के लिए जाल नेटवर्किंग का उपयोग करते हैं, एक हब डिवाइस के माध्यम से जुड़ते हैं जिसमें इंटरनेट कनेक्शन होता है।
|
||||
|
||||
एक स्मार्ट थर्मोस्टेट के उदाहरण के साथ, थर्मोस्टैट होम वाईफाई का उपयोग करके क्लाउड में चल रही क्लाउड सेवा से जुड़ जाएगा। यह इस क्लाउड सेवा को तापमान डेटा भेजेगा, और वहां से इसे किसी प्रकार के डेटाबेस में लिखा जाएगा जिससे मकान मालिक फोन ऐप का उपयोग करके वर्तमान और पिछले तापमान की जांच कर सके। क्लाउड में एक अन्य सेवा को पता होगा कि मकान मालिक को कौन सा तापमान चाहिए, और हीटिंग सिस्टम को चालू या बंद करने के लिए कहने के लिए क्लाउड सेवा के माध्यम से IoT डिवाइस पर संदेश वापस भेजें।
|
||||
|
||||
|
||||
|
||||
एक और भी स्मार्ट संस्करण क्लाउड में AI का उपयोग अन्य IoT उपकरणों से जुड़े अन्य सेंसर से डेटा के साथ कर सकता है जैसे कि ऑक्यूपेंसी सेंसर जो यह पता लगाते हैं कि कौन से कमरे उपयोग में हैं, साथ ही डेटा जैसे मौसम और यहां तक कि आपका कैलेंडर, इस पर निर्णय लेने के लिए कि कैसे तापमान को स्मार्ट तरीके से सेट करें। उदाहरण के लिए, यदि यह आपके कैलेंडर से पढ़ता है कि आप छुट्टी पर हैं, तो यह आपके हीटिंग को बंद कर सकता है, या आपके द्वारा उपयोग किए जाने वाले कमरों के आधार पर कमरे-दर-कमरे के आधार पर हीटिंग को बंद कर सकता है, डेटा से अधिक से अधिक सटीक होना सीखता है अधिक समय तक।
|
||||
|
||||
|
||||
|
||||
✅कौन सा अन्य डेटा इंटरनेट से जुड़े थर्मोस्टेट को स्मार्ट बनाने में मदद कर सकता है?
|
||||
|
||||
### किनारे पर IoT
|
||||
|
||||
हालाँकि IoT में I का अर्थ इंटरनेट है, इन उपकरणों को इंटरनेट से कनेक्ट करने की आवश्यकता नहीं है। कुछ मामलों में, डिवाइस 'एज' डिवाइस से कनेक्ट हो सकते हैं - गेटवे डिवाइस जो आपके स्थानीय नेटवर्क पर चलते हैं, जिसका अर्थ है कि आप इंटरनेट पर कॉल किए बिना डेटा को प्रोसेस कर सकते हैं। यह तब तेज हो सकता है जब आपके पास बहुत अधिक डेटा या धीमा इंटरनेट कनेक्शन हो, यह आपको ऑफ़लाइन चलाने की अनुमति देता है जहां इंटरनेट कनेक्टिविटी संभव नहीं है जैसे कि जहाज पर या आपदा क्षेत्र में मानवीय संकट का जवाब देते समय, और आपको डेटा को निजी रखें। कुछ उपकरणों में क्लाउड टूल्स का उपयोग करके बनाए गए प्रोसेसिंग कोड होंगे और निर्णय लेने के लिए इंटरनेट कनेक्शन का उपयोग किए बिना डेटा एकत्र करने और प्रतिक्रिया देने के लिए इसे स्थानीय रूप से चलाएंगे।
|
||||
|
||||
इसका एक उदाहरण ऐप्पल होमपॉड, अमेज़ॅन एलेक्सा, या Google होम जैसे स्मार्ट होम डिवाइस हैं, जो क्लाउड में प्रशिक्षित एआई मॉडल का उपयोग करके आपकी आवाज सुनेंगे, लेकिन डिवाइस पर स्थानीय रूप से चल रहे हैं। जब कोई निश्चित शब्द या वाक्यांश बोला जाता है तो ये उपकरण 'जागृत' होंगे, और उसके बाद ही प्रसंस्करण के लिए इंटरनेट पर अपना भाषण भेजेंगे। डिवाइस उचित बिंदु पर भाषण भेजना बंद कर देगा जैसे कि जब यह आपके भाषण में विराम का पता लगाता है। वेक शब्द के साथ डिवाइस को जगाने से पहले आप जो कुछ भी कहते हैं, और डिवाइस के सुनना बंद करने के बाद आप जो कुछ भी कहते हैं वह इंटरनेट पर डिवाइस प्रदाता को नहीं भेजा जाएगा, और इसलिए निजी होगा।
|
||||
|
||||
✅अन्य परिदृश्यों के बारे में सोचें जहां गोपनीयता महत्वपूर्ण है इसलिए डेटा का प्रसंस्करण क्लाउड के बजाय किनारे पर बेहतर ढंग से किया जाएगा। एक संकेत के रूप में - उन IoT उपकरणों के बारे में सोचें जिनमें कैमरे या अन्य इमेजिंग डिवाइस हैं।
|
||||
|
||||
### आईओटी सुरक्षा
|
||||
|
||||
किसी भी इंटरनेट कनेक्शन के साथ, सुरक्षा एक महत्वपूर्ण विचार है। एक पुराना मजाक है कि 'आईओटी में एस सुरक्षा के लिए खड़ा है' - आईओटी में कोई 'एस' नहीं है, जिसका अर्थ है कि यह सुरक्षित नहीं है।
|
||||
|
||||
IoT डिवाइस क्लाउड सेवा से कनेक्ट होते हैं, और इसलिए केवल उस क्लाउड सेवा की तरह ही सुरक्षित होते हैं - यदि आपकी क्लाउड सेवा किसी डिवाइस को कनेक्ट करने की अनुमति देती है तो दुर्भावनापूर्ण डेटा भेजा जा सकता है, या वायरस के हमले हो सकते हैं। इसके बहुत ही वास्तविक दुनिया के परिणाम हो सकते हैं क्योंकि IoT डिवाइस अन्य उपकरणों को इंटरैक्ट और नियंत्रित करते हैं। उदाहरण के लिए, [स्टक्सनेट वर्म](https://wikipedia.org/wiki/Stuxnet) ने सेंट्रीफ्यूज में वाल्वों को खराब करने के लिए हेरफेर किया। हैकर्स ने [बेबी मॉनिटर तक पहुंचने के लिए खराब सुरक्षा](https://www.npr.org/sections/thetwo-way/2018/06/05/617196788/s-c-mom-says-baby-monitor-was-hacked-experts-say-many-devices-are-vulnerable) का भी फायदा उठाया है और अन्य घरेलू निगरानी उपकरण।
|
||||
|
||||
> 💁कभी-कभी IoT डिवाइस और एज डिवाइस डेटा को निजी और सुरक्षित रखने के लिए इंटरनेट से पूरी तरह से अलग नेटवर्क पर चलते हैं। इसे [एयर-गैपिंग](https://wikipedia.org/wiki/Air_gap_(networking)) के नाम से जाना जाता है।
|
||||
|
||||
## माइक्रोकंट्रोलर में गहराई से अध्ययन करें
|
||||
|
||||
पिछले पाठ में, हमने माइक्रोकंट्रोलर पेश किए थे। आइए अब उनमें गहराई से देखें।
|
||||
|
||||
### सी पी यू
|
||||
|
||||
सीपीयू माइक्रोकंट्रोलर का 'दिमाग' है। यह प्रोसेसर है जो आपके कोड को चलाता है और किसी भी कनेक्टेड डिवाइस से डेटा भेज सकता है और डेटा प्राप्त कर सकता है। सीपीयू में एक या अधिक कोर हो सकते हैं - अनिवार्य रूप से एक या अधिक सीपीयू जो आपके कोड को चलाने के लिए एक साथ काम कर सकते हैं।
|
||||
|
||||
सीपीयू एक सेकंड में कई लाख या अरबों बार टिक करने के लिए एक घड़ी पर भरोसा करते हैं। प्रत्येक टिक, या चक्र, सीपीयू द्वारा की जाने वाली क्रियाओं को सिंक्रनाइज़ करता है। प्रत्येक टिक के साथ, सीपीयू एक प्रोग्राम से एक निर्देश निष्पादित कर सकता है, जैसे बाहरी डिवाइस से डेटा पुनर्प्राप्त करना या गणितीय गणना करना। यह नियमित चक्र अगले निर्देश के संसाधित होने से पहले सभी कार्यों को पूरा करने की अनुमति देता है।
|
||||
|
||||
घड़ी का चक्र जितना तेज़ होता है, उतने ही अधिक निर्देश जो प्रत्येक सेकंड में संसाधित किए जा सकते हैं, और इसलिए सीपीयू जितना तेज़ होता है। CPU की गति [Hertz (Hz)](https://wikipedia.org/wiki/Hertz) में मापी जाती है, एक मानक इकाई जहां 1 Hz का अर्थ है प्रति सेकंड एक चक्र या घड़ी का टिक।
|
||||
|
||||
> 🎓CPU की गति अक्सर MHz या GHz में दी जाती है। 1MHz 1 मिलियन हर्ट्ज है, 1GHz 1 बिलियन हर्ट्ज है।
|
||||
|
||||
> 💁 CPU [fetch-decode-execute cycle](https://wikipedia.org/wiki/Instruction_cycle) का उपयोग करके प्रोग्राम निष्पादित करते हैं। प्रत्येक घड़ी की टिक के लिए, सीपीयू मेमोरी से अगला निर्देश प्राप्त करेगा, इसे डीकोड करेगा, फिर इसे निष्पादित करेगा जैसे कि 2 नंबर जोड़ने के लिए अंकगणितीय तर्क इकाई (एएलयू) का उपयोग करना। कुछ निष्पादन चलाने के लिए कई टिक लगेंगे, इसलिए अगला चक्र निर्देश पूरा होने के बाद अगले टिक पर चलेगा।
|
||||
|
||||
|
||||
|
||||
माइक्रोकंट्रोलर की घड़ी की गति डेस्कटॉप या लैपटॉप कंप्यूटर, या यहां तक कि अधिकांश स्मार्टफ़ोन की तुलना में बहुत कम होती है। उदाहरण के लिए वाईओ टर्मिनल में एक सीपीयू है जो 120 मेगाहट्र्ज या 120,000,000 चक्र प्रति सेकेंड पर चलता है।
|
||||
|
||||
✅एक औसत पीसी या मैक में कई गीगाहर्ट्ज़ पर चलने वाले कई कोर के साथ एक सीपीयू होता है, जिसका अर्थ है कि घड़ी एक सेकंड में अरबों बार टिकती है। अपने कंप्यूटर की घड़ी की गति पर शोध करें और तुलना करें कि यह Wio टर्मिनल से कितनी बार तेज है।
|
||||
|
||||
प्रत्येक घड़ी चक्र शक्ति खींचता है और गर्मी उत्पन्न करता है। जितनी तेजी से टिक होते हैं, उतनी ही अधिक बिजली की खपत होती है और अधिक गर्मी उत्पन्न होती है। पीसी में गर्मी को दूर करने के लिए हीट सिंक और पंखे होते हैं, जिसके बिना वे गर्म हो जाते हैं और सेकंड के भीतर बंद हो जाते हैं। माइक्रोकंट्रोलर के पास अक्सर न तो होता है क्योंकि वे अधिक कूलर चलाते हैं और इसलिए बहुत धीमे होते हैं। पीसी की रन ऑफ मेन पावर या बड़ी बैटरी कुछ घंटों के लिए, माइक्रोकंट्रोलर छोटी बैटरी से दिनों, महीनों या वर्षों तक चल सकते हैं। माइक्रोकंट्रोलर में कोर भी हो सकते हैं जो अलग-अलग गति से चलते हैं, जब बिजली की खपत कम करने के लिए सीपीयू की मांग कम होती है, तो धीमी कम पावर कोर पर स्विच किया जाता है।
|
||||
|
||||
> 💁 कुछ पीसी और मैक तेज हाई पावर कोर और धीमी लो पावर कोर के समान मिश्रण को अपना रहे हैं, बैटरी बचाने के लिए स्विच कर रहे हैं। उदाहरण के लिए, नवीनतम Apple लैपटॉप में M1 चिप चल रहे कार्य के आधार पर बैटरी जीवन या गति को अनुकूलित करने के लिए 4 प्रदर्शन कोर और 4 दक्षता कोर के बीच स्विच कर सकती है।
|
||||
|
||||
✅थोड़ा शोध करें: सीपीयू के बारे में [विकिपीडिया सीपीयू लेख](https://wikipedia.org/wiki/Central_processing_unit) पर पढ़ें।
|
||||
|
||||
#### टास्क
|
||||
|
||||
वाईओ टर्मिनल की जांच करें।
|
||||
|
||||
यदि आप इन पाठों के लिए Wio Terminal का उपयोग कर रहे हैं, तो CPU खोजने का प्रयास करें। इंटर्नल की तस्वीर के लिए [Wio Terminal उत्पाद पृष्ठ](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) का *हार्डवेयर ओव्हरव्यू* अनुभाग ढूंढें और पीछे की ओर स्पष्ट प्लास्टिक विंडो के माध्यम से CPU को खोजने का प्रयास करें।
|
||||
|
||||
### मेमरी
|
||||
|
||||
माइक्रोकंट्रोलर में आमतौर पर दो प्रकार की मेमोरी होती है - प्रोग्राम मेमोरी और रैंडम-एक्सेस मेमोरी (RAM)।
|
||||
|
||||
प्रोग्राम मेमोरी गैर-वाष्पशील होती है, जिसका अर्थ है कि इसमें जो कुछ भी लिखा जाता है वह तब रहता है जब डिवाइस में कोई शक्ति नहीं होती है। यह वह मेमोरी है जो आपके प्रोग्राम कोड को स्टोर करती है।
|
||||
|
||||
RAM प्रोग्राम द्वारा चलाने के लिए उपयोग की जाने वाली मेमोरी है, जिसमें आपके प्रोग्राम द्वारा आवंटित चर और बाह्य उपकरणों से एकत्रित डेटा होता है। रैम अस्थिर है, जब बिजली चली जाती है तो सामग्री खो जाती है, प्रभावी रूप से आपके प्रोग्राम को रीसेट कर देती है।
|
||||
|
||||
> 🎓प्रोग्राम मेमोरी आपके कोड को स्टोर करती है और पावर न होने पर रहती है।
|
||||
|
||||
> 🎓RAM का उपयोग आपके प्रोग्राम को चलाने के लिए किया जाता है और बिजली न होने पर रीसेट हो जाता है
|
||||
|
||||
सीपीयू की तरह, एक माइक्रोकंट्रोलर पर मेमोरी एक पीसी या मैक से छोटे परिमाण के आदेश हैं। एक सामान्य पीसी में 8 गीगाबाइट (GB) RAM, या 8,000,000,000 बाइट्स हो सकते हैं, प्रत्येक बाइट में एक अक्षर या 0-255 की संख्या को संग्रहीत करने के लिए पर्याप्त स्थान होता है। एक माइक्रोकंट्रोलर में केवल किलोबाइट (KB) RAM होगी, जिसमें एक किलोबाइट 1,000 बाइट्स होगा। ऊपर बताए गए Wio टर्मिनल में 192KB RAM या 192,000 बाइट्स हैं - एक औसत PC से 40,000 गुना कम!
|
||||
|
||||
नीचे दिया गया चित्र 192KB और 8GB के बीच के सापेक्ष आकार के अंतर को दर्शाता है - केंद्र में छोटा बिंदु 192KB का प्रतिनिधित्व करता है।
|
||||
|
||||
|
||||
|
||||
प्रोग्राम स्टोरेज भी पीसी से छोटा होता है। एक विशिष्ट पीसी में प्रोग्राम स्टोरेज के लिए 500GB हार्ड ड्राइव हो सकती है, जबकि एक माइक्रोकंट्रोलर में केवल किलोबाइट्स या शायद कुछ मेगाबाइट्स (MB) स्टोरेज (1MB 1,000KB, या 1,000,000 बाइट्स) हो सकता है। Wio टर्मिनल में 4MB प्रोग्राम स्टोरेज है।
|
||||
|
||||
✅ थोड़ा शोध करें: इसे पढ़ने के लिए आप जिस कंप्यूटर का उपयोग कर रहे हैं उसमें कितनी रैम और स्टोरेज है? यह एक माइक्रोकंट्रोलर से कैसे तुलना करता है?
|
||||
|
||||
### इनपुट आउटपुट
|
||||
|
||||
माइक्रोकंट्रोलर्स को सेंसर से डेटा पढ़ने और एक्चुएटर्स को कंट्रोल सिग्नल भेजने के लिए इनपुट और आउटपुट (I/O) कनेक्शन की जरूरत होती है। उनमें आमतौर पर कई सामान्य-उद्देश्य इनपुट/आउटपुट (GPIO) पिन होते हैं। इन पिनों को सॉफ्टवेयर में इनपुट के रूप में कॉन्फ़िगर किया जा सकता है (अर्थात वे एक संकेत प्राप्त करते हैं), या आउटपुट (वे एक संकेत भेजते हैं)।
|
||||
|
||||
️🧠⬅️सेंसर से मूल्यों को पढ़ने के लिए इनपुट पिन का उपयोग किया जाता है
|
||||
|
||||
️🧠➡️आउटपुट पिन एक्चुएटर्स को निर्देश भेजते हैं
|
||||
|
||||
✅आप इसके बारे में अगले पाठ में और जानेंगे।
|
||||
|
||||
#### टास्क
|
||||
|
||||
वाईओ टर्मिनल की जांच करें।
|
||||
|
||||
यदि आप इन पाठों के लिए Wio Terminal का उपयोग कर रहे हैं, तो GPIO पिन खोजें। यह जानने के लिए कि कौन से पिन कौन से हैं, [Wio Terminal उत्पाद पृष्ठ](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) के *पिनआउट डायग्राम* अनुभाग खोजें। Wio Terminal एक स्टिकर के साथ आता है जिसे आप पिन नंबर के साथ पीछे की तरफ माउंट कर सकते हैं, इसलिए इसे अभी जोड़ें यदि आपने पहले से नहीं किया है।
|
||||
|
||||
### भौतिक माप
|
||||
|
||||
माइक्रोकंट्रोलर आमतौर पर आकार में छोटे होते हैं, सबसे छोटे के साथ, [फ़्रीस्केल काइनेटिस KL03 MCU गोल्फ़ बॉल के डिंपल में फ़िट होने के लिए पर्याप्त छोटा होता है](https://www.edn.com/tiny-arm-cortex-m0-based-mcu-shrinks-package/)। बस एक पीसी में सीपीयू 40 मिमी x 40 मिमी माप सकता है, और इसमें हीट सिंक और पंखे शामिल नहीं हैं जो यह सुनिश्चित करने के लिए आवश्यक हैं कि सीपीयू बिना ओवरहीटिंग के कुछ सेकंड से अधिक समय तक चल सके, एक पूर्ण माइक्रोकंट्रोलर से काफी बड़ा। माइक्रोकंट्रोलर, केस, स्क्रीन, और कनेक्शन और घटकों की एक श्रृंखला के साथ Wio टर्मिनल डेवलपर किट एक खुला हुआ Intel i9 CPU से बहुत बड़ा नहीं है, और एक हीट सिंक और पंखे के साथ CPU से काफी छोटा है!
|
||||
|
||||
| डिवाइस | आकार |
|
||||
| ----------------------------- | --------------------- |
|
||||
| फ्रीस्केल काइनेटिस KL03 | 1.6 मिमी x 2 मिमी x 1 मिमी |
|
||||
| वाईओ टर्मिनल | 72मिमी x 57मिमी x 12मिमी |
|
||||
| इंटेल i9 सीपीयू, हीट सिंक और पंखा | 136 मिमी x 145 मिमी x 103 मिमी |
|
||||
|
||||
### फ्रेमवर्क और ऑपरेटिंग सिस्टम
|
||||
|
||||
उनकी कम गति और स्मृति आकार के कारण, माइक्रोकंट्रोलर शब्द के डेस्कटॉप अर्थ में एक ऑपरेटिंग सिस्टम (OS) नहीं चलाते हैं। ऑपरेटिंग सिस्टम जो आपके कंप्यूटर को चलाता है (Windows, Linux, या macOS) को माइक्रोकंट्रोलर के लिए पूरी तरह से अनावश्यक कार्यों को चलाने के लिए बहुत अधिक मेमोरी और प्रोसेसिंग पावर की आवश्यकता होती है। याद रखें कि माइक्रोकंट्रोलर्स को आमतौर पर एक या अधिक विशिष्ट कार्यों को करने के लिए प्रोग्राम किया जाता है, पीसी या मैक जैसे सामान्य-उद्देश्य वाले कंप्यूटर के विपरीत, जिसे उपयोगकर्ता इंटरफ़ेस का समर्थन करने, संगीत या फिल्में चलाने, दस्तावेज़ या कोड लिखने, गेम खेलने के लिए उपकरण प्रदान करने की आवश्यकता होती है, या इंटरनेट ब्राउज़ करें।
|
||||
|
||||
ओएस के बिना माइक्रोकंट्रोलर प्रोग्राम करने के लिए आपको कुछ टूलिंग की आवश्यकता होती है ताकि आप अपना कोड इस तरह से बना सकें कि माइक्रोकंट्रोलर चल सके, एपीआई का उपयोग करके जो किसी भी बाह्य उपकरणों से बात कर सके। प्रत्येक माइक्रोकंट्रोलर अलग होता है, इसलिए निर्माता सामान्य रूप से मानक ढांचे का समर्थन करते हैं जो आपको अपना कोड बनाने के लिए एक मानक 'नुस्खा' का पालन करने की अनुमति देते हैं और इसे किसी भी माइक्रोकंट्रोलर पर चलाते हैं जो उस ढांचे का समर्थन करता है।
|
||||
|
||||
आप ओएस का उपयोग करके माइक्रोकंट्रोलर प्रोग्राम कर सकते हैं - जिसे अक्सर रीयल-टाइम ऑपरेटिंग सिस्टम (आरटीओएस) के रूप में संदर्भित किया जाता है, क्योंकि इन्हें रीयल-टाइम में बाह्य उपकरणों से डेटा भेजने के लिए डिज़ाइन किया गया है। ये ऑपरेटिंग सिस्टम बहुत हल्के होते हैं और इस तरह की सुविधाएँ प्रदान करते हैं:
|
||||
|
||||
* मल्टी-थ्रेडिंग, आपके कोड को एक ही समय में कोड के एक से अधिक ब्लॉक चलाने की अनुमति देता है, या तो कई कोर पर या एक कोर को चालू करके
|
||||
* इंटरनेट पर सुरक्षित रूप से संचार करने की अनुमति देने के लिए नेटवर्किंग
|
||||
* स्क्रीन वाले उपकरणों पर यूजर इंटरफेस (यूआई) के निर्माण के लिए ग्राफिकल यूजर इंटरफेस (जीयूआई) घटक।
|
||||
|
||||
✅ कुछ अलग RTOS के बारे में पढ़ें: [Azure RTOS](https://azure.microsoft.com/services/rtos/?WT.mc_id=academic-17441-jabenn), [FreeRTOS](https://www.freertos.org), [ज़ेफिर](https://www.zephyrproject.org)
|
||||
|
||||
#### अरुडिनो
|
||||
|
||||
|
||||
|
||||
[Arduino](https://www.arduino.cc) शायद सबसे लोकप्रिय माइक्रोकंट्रोलर फ्रेमवर्क है, खासकर छात्रों, शौक़ीन लोगों और निर्माताओं के बीच। Arduino एक ओपन-सोर्स इलेक्ट्रॉनिक्स प्लेटफॉर्म है जो सॉफ्टवेयर और हार्डवेयर को मिलाता है। आप Arduino से स्वयं या अन्य निर्माताओं से Arduino संगत बोर्ड खरीद सकते हैं, फिर Arduino फ्रेमवर्क का उपयोग करके कोड कर सकते हैं।
|
||||
|
||||
Arduino बोर्डों को C या C++ में कोड किया गया है। C या C++ का उपयोग करने से आपके कोड को बहुत छोटा संकलित किया जा सकता है और तेजी से चलाया जा सकता है, एक सीमित डिवाइस जैसे कि माइक्रोकंट्रोलर पर कुछ आवश्यक है। एक Arduino एप्लिकेशन के मूल को एक स्केच के रूप में संदर्भित किया जाता है और 2 कार्यों के साथ C/C++ कोड है - `setup` और `loop`। जब बोर्ड शुरू होता है, तो Arduino फ्रेमवर्क कोड एक बार `setup` फ़ंक्शन चलाएगा, फिर यह `loop` फ़ंक्शन को बार-बार चलाएगा, इसे तब तक लगातार चलाएगा जब तक कि बिजली बंद न हो जाए।
|
||||
|
||||
आप अपना setup कोड `setup` फ़ंक्शन में लिखेंगे, जैसे कि वाईफाई और क्लाउड सेवाओं से कनेक्ट करना या इनपुट और आउटपुट के लिए पिन इनिशियलाइज़ करना। तब आपके लूप कोड में प्रोसेसिंग कोड होगा, जैसे सेंसर से पढ़ना और मान को क्लाउड पर भेजना। आप सामान्य रूप से प्रत्येक लूप में देरी शामिल करेंगे, उदाहरण के लिए, यदि आप चाहते हैं कि हर 10 सेकंड में केवल सेंसर डेटा भेजा जाए तो आप लूप के अंत में 10 सेकंड की देरी जोड़ देंगे ताकि माइक्रोकंट्रोलर सो सके, बिजली बचा सके, फिर 10 सेकंड बाद जरूरत पड़ने पर लूप को फिर से चला सकें।
|
||||
|
||||
|
||||
|
||||
✅इस प्रोग्राम के आर्किटेक्चर को *इवेंट लूप* या *मैसेज लूप* के रूप में जाना जाता है। कई एप्लिकेशन हुड के तहत इसका उपयोग करते हैं और अधिकांश डेस्कटॉप एप्लिकेशन के लिए मानक हैं जो विंडोज, मैकओएस या लिनक्स जैसे ओएस पर चलते हैं। `loop` उपयोगकर्ता इंटरफ़ेस घटकों जैसे बटन, या कीबोर्ड जैसे उपकरणों के संदेशों को सुनता है, और उनका जवाब देता है। आप इस [इवेंट लूप पर लेख](https://wikipedia.org/wiki/Event_loop) में और अधिक पढ़ सकते हैं।
|
||||
|
||||
Arduino माइक्रोकंट्रोलर और I/O पिन के साथ इंटरैक्ट करने के लिए मानक पुस्तकालय प्रदान करता है, विभिन्न माइक्रोकंट्रोलर पर चलने के लिए हुड के तहत विभिन्न कार्यान्वयन के साथ। उदाहरण के लिए, [`delay` फ़ंक्शन](https://www.arduino.cc/reference/en/language/functions/time/delay/) एक निश्चित अवधि के लिए कार्यक्रम को रोक देगा, [`digitalRead` फ़ंक्शन](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalread/) दिए गए पिन से `HIGH` या `LOW` का मान पढ़ेगा, चाहे किसी भी बोर्ड पर कोड चालू है। इन मानक पुस्तकालयों का मतलब है कि एक बोर्ड के लिए लिखे गए Arduino कोड को किसी अन्य Arduino बोर्ड के लिए पुन: संकलित किया जा सकता है और यह मानते हुए चलेगा कि पिन समान हैं और बोर्ड समान सुविधाओं का समर्थन करते हैं।
|
||||
|
||||
तृतीय-पक्ष Arduino पुस्तकालयों का एक बड़ा पारिस्थितिकी तंत्र है जो आपको अपने Arduino प्रोजेक्ट्स में अतिरिक्त सुविधाएँ जोड़ने की अनुमति देता है, जैसे सेंसर और एक्चुएटर्स का उपयोग करना या क्लाउड IoT सेवाओं से जुड़ना।
|
||||
|
||||
##### टास्क
|
||||
|
||||
वाईओ टर्मिनल की जांच करें।
|
||||
|
||||
यदि आप इन पाठों के लिए Wio Terminal का उपयोग कर रहे हैं, तो पिछले पाठ में आपके द्वारा लिखे गए कोड को दोबारा पढ़ें। `setup` और `loop` फ़ंक्शन ढूंढें। लूप फ़ंक्शन को बार-बार कॉल करने के लिए सीरियल आउटपुट की निगरानी करें। सीरियल पोर्ट पर लिखने के लिए `setup` फ़ंक्शन में कोड जोड़ने का प्रयास करें और देखें कि यह कोड केवल एक बार रीबूट करने पर ही कॉल किया जाता है। अपने डिवाइस को साइड में पावर स्विच के साथ रीबूट करने का प्रयास करें यह दिखाने के लिए कि हर बार डिवाइस रीबूट होने पर इसे कहा जाता है।
|
||||
|
||||
## सिंगल-बोर्ड कंप्यूटर में गहराई से अध्ययन करें
|
||||
|
||||
पिछले पाठ में, हमने सिंगल-बोर्ड कंप्यूटर पेश किए थे। आइए अब उनमें गहराई से देखें।
|
||||
|
||||
### रास्पबेरी पाई
|
||||
|
||||
|
||||
|
||||
[रास्पबेरी पाई फाउंडेशन](https://www.raspberrypi.org) यूके की एक चैरिटी है जिसकी स्थापना 2009 में कंप्यूटर विज्ञान के अध्ययन को बढ़ावा देने के लिए की गई थी, खासकर स्कूल स्तर पर। इस मिशन के हिस्से के रूप में, उन्होंने एक सिंगल-बोर्ड कंप्यूटर विकसित किया, जिसे रास्पबेरी पाई कहा जाता है। रास्पबेरी पाई वर्तमान में 3 प्रकारों में उपलब्ध है - एक पूर्ण आकार का संस्करण, छोटा पाई ज़ीरो, और एक गणना मॉड्यूल जिसे आपके अंतिम IoT डिवाइस में बनाया जा सकता है।
|
||||
|
||||
|
||||
|
||||
पूर्ण आकार के रास्पबेरी पाई का नवीनतम पुनरावृत्ति रास्पबेरी पाई 4 बी है। इसमें एक क्वाड-कोर (4 कोर) सीपीयू है जो 1.5GHz, 2, 4, या 8GB RAM, गीगाबिट ईथरनेट, वाईफाई, 4k स्क्रीन को सपोर्ट करने वाले 2 HDMI पोर्ट, एक ऑडियो और कम्पोजिट वीडियो आउटपुट पोर्ट, USB पोर्ट (2 USB) पर चलता है। 2.0, 2 यूएसबी 3.0), 40 जीपीआईओ पिन, रास्पबेरी पाई कैमरा मॉड्यूल के लिए एक कैमरा कनेक्टर और एक एसडी कार्ड स्लॉट। यह सब एक बोर्ड पर है जो 88mm x 58mm x 19.5mm है और यह 3A USB-C बिजली की आपूर्ति द्वारा संचालित है। ये 35 अमेरिकी डॉलर से शुरू होते हैं, जो पीसी या मैक से काफी सस्ता है।
|
||||
|
||||
> 💁एक कीबोर्ड में निर्मित Pi4 के साथ एक सभी कंप्यूटर में एक Pi400 भी है।
|
||||
|
||||
|
||||
|
||||
पाई ज़ीरो बहुत छोटा है, कम शक्ति के साथ। इसमें सिंगल-कोर 1GHz CPU, 512MB RAM, WiFi (ज़ीरो W मॉडल में), एक सिंगल HDMI पोर्ट, एक माइक्रो-USB पोर्ट, 40 GPIO पिन, एक रास्पबेरी पाई कैमरा मॉड्यूल के लिए एक कैमरा कनेक्टर और एक SD है। कार्ड का स्थान। यह 65 मिमी x 30 मिमी x 5 मिमी मापता है, और बहुत कम शक्ति खींचता है। ज़ीरो यूएस $ 5 है, वाई-फाई यूएस $ 10 के साथ डब्ल्यू संस्करण के साथ।
|
||||
|
||||
>🎓 इन दोनों में सीपीयू एआरएम प्रोसेसर हैं, इंटेल/एएमडी x86 या x64 प्रोसेसर के विपरीत जो आपको अधिकांश पीसी और मैक में मिलते हैं। ये कुछ माइक्रोकंट्रोलर्स के साथ-साथ लगभग सभी मोबाइल फोन, माइक्रोसॉफ्ट सर्फेस एक्स और नए ऐप्पल सिलिकॉन-आधारित ऐप्पल मैक में पाए जाने वाले सीपीयू के समान हैं।
|
||||
|
||||
रास्पबेरी पाई के सभी वेरिएंट रास्पबेरी पाई ओएस नामक डेबियन लिनक्स का एक संस्करण चलाते हैं। यह बिना डेस्कटॉप के एक लाइट संस्करण के रूप में उपलब्ध है, जो 'हेडलेस' परियोजनाओं के लिए एकदम सही है, जहां आपको स्क्रीन की आवश्यकता नहीं है, या एक पूर्ण डेस्कटॉप वातावरण के साथ एक पूर्ण संस्करण, एक वेब ब्राउज़र, कार्यालय अनुप्रयोगों, कोडिंग टूल, और खेल चूंकि ओएस डेबियन लिनक्स का एक संस्करण है, आप डेबियन पर चलने वाले किसी भी एप्लिकेशन या टूल को इंस्टॉल कर सकते हैं और पीआई के अंदर एआरएम प्रोसेसर के लिए बनाया गया है।
|
||||
|
||||
#### टास्क
|
||||
|
||||
रास्पबेरी पाई की जांच करें।
|
||||
|
||||
यदि आप इन पाठों के लिए रास्पबेरी पाई का उपयोग कर रहे हैं, तो बोर्ड पर विभिन्न हार्डवेयर घटकों के बारे में पढ़ें।
|
||||
|
||||
* आप [रास्पबेरी पाई हार्डवेयर डॉक्यूमेंटेशन पेज](https://www.raspberrypi.org/documentation/hardware/raspberrypi/) पर इस्तेमाल किए गए प्रोसेसर के बारे में जानकारी पा सकते हैं। आप जिस पाई का उपयोग कर रहे हैं उसमें प्रयुक्त प्रोसेसर के बारे में पढ़ें।
|
||||
* GPIO पिन का पता लगाएँ। [रास्पबेरी पाई GPIO दस्तावेज़ीकरण](https://www.raspberrypi.org/documentation/hardware/raspberrypi/gpio/README.md) पर उनके बारे में और पढ़ें। अपने पाई पर अलग-अलग पिन की पहचान करने के लिए [GPIO पिन यूसेज गाइड](https://www.raspberrypi.org/documentation/usage/gpio/README.md) का इस्तेमाल करें।
|
||||
|
||||
### प्रोग्रामिंग सिंगल-बोर्ड कंप्यूटर
|
||||
|
||||
सिंगल-बोर्ड कंप्यूटर पूर्ण कंप्यूटर हैं, जो एक पूर्ण OS चला रहे हैं। इसका मतलब यह है कि माइक्रोकंट्रोलर के विपरीत प्रोग्रामिंग भाषाओं, ढांचे और टूल की एक विस्तृत श्रृंखला है जिसका उपयोग आप उन्हें कोड करने के लिए कर सकते हैं, जो Arduino जैसे ढांचे में बोर्ड के समर्थन पर भरोसा करते हैं। अधिकांश प्रोग्रामिंग भाषाओं में पुस्तकालय होते हैं जो सेंसर और एक्चुएटर्स से डेटा भेजने और प्राप्त करने के लिए GPIO पिन तक पहुंच सकते हैं।
|
||||
|
||||
✅ आप किन प्रोग्रामिंग भाषाओं से परिचित हैं? क्या वे लिनक्स पर समर्थित हैं?
|
||||
|
||||
रास्पबेरी पाई पर IoT अनुप्रयोगों के निर्माण के लिए सबसे आम प्रोग्रामिंग भाषा पायथन है। पाई के लिए डिज़ाइन किए गए हार्डवेयर का एक विशाल पारिस्थितिकी तंत्र है, और इनमें से लगभग सभी में संबंधित कोड शामिल हैं जो उन्हें पायथन पुस्तकालयों के रूप में उपयोग करने के लिए आवश्यक हैं। इनमें से कुछ पारिस्थितिक तंत्र 'टोपी' पर आधारित होते हैं - तथाकथित क्योंकि वे एक टोपी की तरह पाई के ऊपर बैठते हैं और एक बड़े सॉकेट से 40 GPIO पिन से जुड़ते हैं। ये टोपियां अतिरिक्त क्षमताएं प्रदान करती हैं, जैसे स्क्रीन, सेंसर, रिमोट-नियंत्रित कार, या एडेप्टर आपको मानकीकृत केबल के साथ सेंसर प्लग-इन करने की अनुमति देते हैं
|
||||
|
||||
### पेशेवर IoT परिनियोजन में सिंगल-बोर्ड कंप्यूटर का उपयोग
|
||||
|
||||
एकल-बोर्ड कंप्यूटर का उपयोग पेशेवर IoT परिनियोजन के लिए किया जाता है, न कि केवल डेवलपर किट के रूप में। वे हार्डवेयर को नियंत्रित करने और मशीन लर्निंग मॉडल चलाने जैसे जटिल कार्यों को चलाने के लिए एक शक्तिशाली तरीका प्रदान कर सकते हैं। उदाहरण के लिए, एक [रास्पबेरी पाई 4 कंप्यूट मॉड्यूल](https://www.raspberrypi.org/blog/raspberry-pi-compute-module-4/) है जो रास्पबेरी पाई 4 की सारी शक्ति प्रदान करता है लेकिन एक में अधिकांश पोर्ट के बिना कॉम्पैक्ट और सस्ता फॉर्म फैक्टर, जिसे कस्टम हार्डवेयर में स्थापित करने के लिए डिज़ाइन किया गया है।
|
||||
|
||||
---
|
||||
|
||||
## 🚀चुनौती
|
||||
|
||||
पिछले पाठ में चुनौती थी कि आप अपने घर, स्कूल या कार्यस्थल में जितने हो सके उतने IoT उपकरणों को सूचीबद्ध करें। इस सूची में प्रत्येक डिवाइस के लिए, क्या आपको लगता है कि वे माइक्रोकंट्रोलर या सिंगल-बोर्ड कंप्यूटर, या यहां तक कि दोनों के मिश्रण के आसपास बनाए गए हैं?
|
||||
|
||||
## व्याख्यान के बाद प्रश्नोत्तरी
|
||||
|
||||
[व्याख्यान के बाद प्रश्नोत्तरी](https://brave-island-0b7c7f50f.azurestaticapps.net/quiz/4)
|
||||
|
||||
## समीक्षा और आत्म अध्ययन
|
||||
|
||||
* Arduino प्लेटफॉर्म के बारे में अधिक समझने के लिए [Arduino गेटिंग स्टार्ट गाइड](https://www.arduino.cc/en/Guide/Introduction) पढ़ें।
|
||||
* रास्पबेरी पाई के बारे में अधिक जानने के लिए [रास्पबेरी पाई 4 का परिचय](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/) पढ़ें।
|
||||
* [इलेक्ट्रिकल इंजीनियरिंग जर्नल में सीपीयू, एमपीयू, एमसीयू और जीपीयू के अक्सर पूछे जाने वाले सवाल क्या हैं](https://www.eejournal.com/article/what-the-faq-are-cpus-mpus-mcus-and-gpus/) में कुछ अवधारणाओं और शब्दों के बारे में और जानें।
|
||||
|
||||
✅आप किस हार्डवेयर प्लेटफॉर्म का उपयोग करना चाहते हैं, या यदि आप इसके बजाय यह तय करने के लिए [हार्डवेयर गाइड](https://github.com/microsoft/IoT-For-Beginners/blob/main/hardware.md) में लिंक का पालन करके दिखाए गए लागतों के साथ इन गाइड का उपयोग करें वर्चुअल डिवाइस का उपयोग करें।
|
||||
|
||||
## कार्यभार
|
||||
|
||||
[माइक्रोकंट्रोलर और सिंगल-बोर्ड कंप्यूटरों की तुलना और तुलना करें](https://github.com/microsoft/IoT-For-Beginners/blob/main/1-getting-started/lessons/2-deeper-dive/assignment.md)
|
||||
@ -0,0 +1,47 @@
|
||||
# Calibrez votre capteur
|
||||
|
||||
## Instructions
|
||||
|
||||
Dans cette leçon, vous avez recueilli les lectures de la sonde d'humidité du sol mesurées sous forme de valeurs comprises entre 0 et 1023. Pour les convertir en valeurs réelles d'humidité du sol, vous devez étalonner votre capteur. Pour ce faire, vous pouvez effectuer des relevés sur des échantillons de sol, puis calculer la teneur en eau gravimétrique du sol à partir de ces échantillons.
|
||||
|
||||
Vous devrez répéter ces étapes plusieurs fois pour obtenir les lectures nécessaires, avec une humidité différente du sol à chaque fois.
|
||||
|
||||
1. Relevez l'humidité du sol à l'aide du capteur d'humidité du sol. Notez cette mesure.
|
||||
|
||||
1. Prenez un échantillon du sol et pesez-le. Notez ce poids.
|
||||
|
||||
1. Séchez la terre - un four chaud à 110°C (230°F) pendant quelques heures est le meilleur moyen, vous pouvez le faire à la lumière du soleil, ou le placer dans un endroit chaud et sec jusqu'à ce que la terre soit complètement sèche. Elle doit être poudreuse et meuble.
|
||||
|
||||
> 💁 Dans un laboratoire, pour obtenir les résultats les plus précis, vous devez sécher dans un four pendant 48 à 72 heures. Si vous avez des étuves à votre école, voyez si vous pouvez les utiliser pour sécher plus longtemps. Plus le temps est long, plus l'échantillon est sec et plus les résultats sont précis.
|
||||
|
||||
1. Pesez à nouveau la terre.
|
||||
|
||||
> 🔥 Si vous l'avez séché dans un four, assurez-vous qu'il a d'abord refroidi !
|
||||
|
||||
L'humidité gravimétrique du sol est calculée comme suit :
|
||||
|
||||
|
||||
|
||||
* W<sub>humide</sub> - le poids de la terre humide
|
||||
* W<sub>sec</sub> - le poids du sol sec
|
||||
|
||||
Par exemple, disons que vous avez un échantillon de sol qui pèse 212 g humide et 197 g sec.
|
||||
|
||||
|
||||
|
||||
* W<sub>humide</sub> = 212g
|
||||
* W<sub>sec</sub> = 197g
|
||||
* 212 - 197 = 15
|
||||
* 15 / 197 = 0.076
|
||||
* 0.076 * 100 = 7.6%
|
||||
|
||||
Dans cet exemple, le sol a une humidité gravimétrique de 7,6 %.
|
||||
|
||||
Une fois que vous avez les lectures d'au moins 3 échantillons, tracez un graphique du pourcentage d'humidité du sol par rapport à la lecture du capteur d'humidité du sol et ajoutez la ligne qui correspond le mieux aux points. Vous pouvez ensuite utiliser ce graphique pour calculer la teneur en eau gravimétrique du sol pour une lecture de capteur donnée en lisant la valeur de la ligne.
|
||||
|
||||
## Grille d'évaluation
|
||||
|
||||
| Critère | Exemple | Adéquat | Nécessite amélioration |
|
||||
| -------- | --------- | -------- | ----------------- |
|
||||
| Recueillir les données d'étalonnage | Capturez au moins 3 échantillons d'étalonnage | Capturez au moins 2 échantillons d'étalonnage | Capturez au moins un échantillon d'étalonnage |
|
||||
| Effectuer une lecture calibrée | Tracez avec succès le graphique d'étalonnage, effectuez une lecture du capteur et convertissez-la en teneur en eau gravimétrique du sol | Tracer avec succès le graphique d'étalonnage | Impossible de tracer le graphique |
|
||||
@ -0,0 +1,94 @@
|
||||
# Mesurer l'humidité du sol - Raspberry Pi
|
||||
|
||||
Dans cette partie de la leçon, vous allez ajouter un capteur capacitif d'humidité du sol à votre Raspberry Pi, et lire des valeurs à partir de celui-ci.
|
||||
|
||||
## Matériel
|
||||
|
||||
Le Raspberry Pi a besoin d'un capteur capacitif d'humidité du sol.
|
||||
|
||||
Le capteur que vous utiliserez est un [Capteur d'humidité du sol capacitif](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html). Ce dernier mesure l'humidité du sol en détectant la capacité du sol, une propriété qui change en fonction de l'humidité du sol. Plus l'humidité du sol augmente, plus la tension diminue.
|
||||
|
||||
Il s'agit d'un capteur analogique, qui utilise donc une broche analogique et le ADC 10 bits du "Grove Base Hat" sur le Pi pour convertir la tension en un signal numérique de 1 à 1023. Celui-ci est ensuite envoyé sur I<sup>2</sup>C via les broches GPIO du Pi.
|
||||
|
||||
### Connecter le capteur d'humidité du sol
|
||||
|
||||
Le capteur d'humidité du sol Grove peut être connecté au Raspberry Pi.
|
||||
|
||||
#### Tâche - connecter le capteur d'humidité du sol
|
||||
|
||||
Connectez le capteur d'humidité du sol.
|
||||
|
||||
|
||||
|
||||
1. Insérez une extrémité d'un câble Grove dans la prise du capteur d'humidité du sol. Il ne peut être inséré que dans un seul sens.
|
||||
|
||||
1. Lorsque le Raspberry Pi est hors tension, connectez l'autre extrémité du câble Grove à la prise analogique marquée **A0** sur le "Grove Base Hat" fixé au Pi. Cette prise est la deuxième en partant de la droite, sur la rangée de prises à côté des broches GPIO.
|
||||
|
||||
|
||||
|
||||
1. Insérez le capteur d'humidité du sol dans le sol. Il est doté d'une " ligne de position la plus élevée ", une ligne blanche qui traverse le capteur. Insérez le capteur jusqu'à cette ligne mais sans la dépasser.
|
||||
|
||||
|
||||
|
||||
## Programmer le capteur d'humidité du sol
|
||||
|
||||
Le Raspberry Pi peut maintenant être programmé pour utiliser la sonde d'humidité du sol jointe.
|
||||
|
||||
### Tâche - programmer le capteur d'humidité du sol
|
||||
|
||||
Programmez l'appareil.
|
||||
|
||||
1. Allumez le Pi et attendez qu'il démarre.
|
||||
|
||||
1. Lancez VS Code, soit directement sur le Pi, soit en vous connectant via l'extension SSH à distance.
|
||||
|
||||
> ⚠️ Vous pouvez vous référer [aux instructions pour configurer et lancer VS Code dans la veilleuse - leçon 1 si nécessaire](../../../../1-getting-started/lessons/1-introduction-to-iot/pi.fr.md).
|
||||
|
||||
1. Depuis le terminal, créez un nouveau dossier dans le répertoire personnel de l'utilisateur `pi` appelé `soil-moisture-sensor`. Créez un fichier dans ce dossier appelé `app.py`.
|
||||
|
||||
1. Ouvrez ce dossier dans VS Code
|
||||
|
||||
1. Ajoutez le code suivant au fichier `app.py` pour importer certaines bibliothèques requises :
|
||||
|
||||
```python
|
||||
import time
|
||||
from grove.adc import ADC
|
||||
```
|
||||
|
||||
L'instruction `import time` importe le module `time` qui sera utilisé plus tard dans ce devoir.
|
||||
|
||||
L'instruction `from grove.adc import ADC` importe le `ADC` des bibliothèques Python de Grove. Cette bibliothèque contient du code pour interagir avec le convertisseur analogique-numérique du chapeau de base Pi et lire les tensions des capteurs analogiques.
|
||||
|
||||
1. Ajoutez le code suivant en dessous pour créer une instance de la classe `ADC` :
|
||||
|
||||
```python
|
||||
adc = ADC()
|
||||
```
|
||||
|
||||
1. Ajoutez une boucle infinie qui lit depuis cet ADC sur la broche A0, et écrit le résultat sur la console. Cette boucle peut ensuite dormir pendant 10 secondes entre les lectures.
|
||||
|
||||
```python
|
||||
while True:
|
||||
soil_moisture = adc.read(0)
|
||||
print("Soil moisture:", soil_moisture)
|
||||
|
||||
time.sleep(10)
|
||||
```
|
||||
|
||||
1. Exécutez l'application Python. Vous verrez les mesures d'humidité du sol écrites dans la console. Ajoutez de l'eau au sol ou retirez le capteur du sol et observez le changement de valeur.
|
||||
|
||||
```output
|
||||
pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py
|
||||
Soil moisture: 615
|
||||
Soil moisture: 612
|
||||
Soil moisture: 498
|
||||
Soil moisture: 493
|
||||
Soil moisture: 490
|
||||
Soil Moisture: 388
|
||||
```
|
||||
|
||||
Dans l'exemple de sortie ci-dessus, vous pouvez voir la chute de tension lorsque de l'eau est ajoutée.
|
||||
|
||||
> 💁 Vous pouvez trouver ce code dans le dossier [code/pi](../code/pi).
|
||||
|
||||
😀 Votre programme de capteurs d'humidité du sol a été un succès !
|
||||
@ -0,0 +1,109 @@
|
||||
# Mesurer l'humidité du sol - Matériel IoT Virtuel
|
||||
|
||||
Dans cette partie de la leçon, vous allez ajouter un capteur capacitif d'humidité du sol à votre dispositif IoT virtuel, et lire des valeurs à partir de celui-ci.
|
||||
|
||||
## Matériel virtuel
|
||||
|
||||
Le dispositif IoT virtuel utilisera un capteur d'humidité du sol capacitif Grove simulé. Ainsi, ce laboratoire est identique à l'utilisation d'un Raspberry Pi avec un capteur d'humidité du sol capacitif Grove physique.
|
||||
|
||||
Dans un dispositif IoT physique, le capteur d'humidité du sol serait un capteur capacitif qui mesure l'humidité du sol en détectant la capacité du sol, une propriété qui change en fonction de l'humidité du sol. Lorsque l'humidité du sol augmente, la tension diminue.
|
||||
|
||||
Il s'agit d'un capteur analogique, qui utilise donc un ADC 10 bits simulé pour rapporter une valeur de 1 à 1023.
|
||||
|
||||
### Ajouter le capteur d'humidité du sol à CounterFit
|
||||
|
||||
Pour utiliser un capteur d'humidité du sol virtuel, vous devez l'ajouter à l'application CounterFit.
|
||||
|
||||
#### Tâche - Ajout du capteur d'humidité du sol à CounterFit
|
||||
|
||||
Ajoutez le capteur d'humidité du sol à l'application CounterFit.
|
||||
|
||||
1. Créez une nouvelle application Python sur votre ordinateur dans un dossier appelé `soil-moisture-sensor` avec un seul fichier appelé `app.py` et un environnement virtuel Python, et ajoutez les paquets pip de CounterFit.
|
||||
|
||||
> ⚠️ Vous pouvez vous référer [aux instructions pour créer et configurer un projet Python CounterFit dans la leçon 1 si nécessaire](../../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.fr.md).
|
||||
|
||||
1. Assurez-vous que l'application web CounterFit est en cours d'exécution.
|
||||
|
||||
1. Créez un capteur d'humidité du sol :
|
||||
|
||||
1. Dans la case *Create sensor* du volet *Sensors*, déroulez la case *Sensor type* et sélectionnez *Soil Moisture*.
|
||||
|
||||
1. Laissez le paramètre *Units* sur *NoUnits*.
|
||||
|
||||
1. Assurez-vous que le paramètre *Pin* est réglée sur *0*.
|
||||
|
||||
1. Sélectionnez le bouton **Add** pour créer le capteur d'humidité sur la broche 0.
|
||||
|
||||
|
||||
|
||||
Le capteur d'humidité du sol sera créé et apparaîtra dans la liste des capteurs.
|
||||
|
||||
|
||||
|
||||
## Programmez l'application du capteur d'humidité du sol
|
||||
|
||||
L'application du capteur d'humidité du sol peut maintenant être programmée en utilisant les capteurs CounterFit.
|
||||
|
||||
### Tâche - programmer l'application du capteur d'humidité du sol
|
||||
|
||||
Programmez l'application du capteur d'humidité du sol.
|
||||
|
||||
1. Assurez-vous que l'application "Soil-Moisture-Sensor" est ouverte dans VS Code.
|
||||
|
||||
1. Ouvrez le fichier `app.py`.
|
||||
|
||||
1. Ajoutez le code suivant au début de `app.py` pour connecter l'application à CounterFit :
|
||||
|
||||
```python
|
||||
from counterfit_connection import CounterFitConnection
|
||||
CounterFitConnection.init('127.0.0.1', 5000)
|
||||
```
|
||||
|
||||
1. Ajoutez le code suivant au fichier `app.py` pour importer certaines bibliothèques requises :
|
||||
|
||||
```python
|
||||
import time
|
||||
from counterfit_shims_grove.adc import ADC
|
||||
```
|
||||
|
||||
L'instruction `import time` importe le module `time` qui sera utilisé plus tard dans ce devoir.
|
||||
|
||||
L'instruction `from counterfit_shims_grove.adc import ADC` importe la classe `ADC` pour interagir avec un convertisseur analogique-numérique virtuel qui peut se connecter à un capteur CounterFit.
|
||||
|
||||
1. Ajoutez le code suivant en dessous pour créer une instance de la classe `ADC` :
|
||||
|
||||
```python
|
||||
adc = ADC()
|
||||
```
|
||||
|
||||
1. Ajoutez une boucle infinie qui lit à partir de cet ADC sur la broche 0 et écrit le résultat sur la console. Cette boucle peut ensuite dormir pendant 10 secondes entre les lectures.
|
||||
|
||||
```python
|
||||
while True:
|
||||
soil_moisture = adc.read(0)
|
||||
print("Soil moisture:", soil_moisture)
|
||||
|
||||
time.sleep(10)
|
||||
```
|
||||
|
||||
1. Depuis l'application CounterFit, modifiez la valeur de la sonde d'humidité du sol qui sera lue par l'application. Vous pouvez le faire de deux façons :
|
||||
|
||||
* Saisissez un nombre dans la case *Value* pour le capteur d'humidité du sol, puis sélectionnez le bouton **Set**. Le nombre que vous saisissez sera la valeur renvoyée par le capteur.
|
||||
|
||||
* Cochez la case *Random* et saisissez une valeur *Min* et *Max*, puis sélectionnez le bouton **Set**. Chaque fois que le capteur lit une valeur, il lit un nombre aléatoire entre *Min* et *Max*.
|
||||
|
||||
1. Exécutez l'application Python. Vous verrez les mesures d'humidité du sol écrites dans la console. Changez les paramètres *Value* ou *Random* pour voir la valeur changer.
|
||||
|
||||
```output
|
||||
(.venv) ➜ soil-moisture-sensor $ python app.py
|
||||
Soil moisture: 615
|
||||
Soil moisture: 612
|
||||
Soil moisture: 498
|
||||
Soil moisture: 493
|
||||
Soil moisture: 490
|
||||
Soil Moisture: 388
|
||||
```
|
||||
|
||||
> 💁 Vous pouvez trouver ce code dans le [code/virtual-device](../code/virtual-device) folder.
|
||||
|
||||
😀 Votre programme de capteurs d'humidité du sol a été un succès !
|
||||
@ -0,0 +1,103 @@
|
||||
# Mesurer l'humidité du sol - Terminal Wio
|
||||
|
||||
Dans cette partie de la leçon, vous allez ajouter un capteur capacitif d'humidité du sol à votre terminal Wio, et lire des valeurs à partir de celui-ci.
|
||||
|
||||
## Matériel
|
||||
|
||||
Le terminal Wio a besoin d'un capteur capacitif d'humidité du sol.
|
||||
|
||||
Le capteur que vous utiliserez est un [Capteur d'humidité du sol capacitif](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html), qui mesure l'humidité du sol en détectant la capacité du sol, une propriété qui change en fonction de l'humidité du sol. Plus l'humidité du sol augmente, plus la tension diminue.
|
||||
|
||||
Il s'agit d'un capteur analogique, qui se connecte donc aux broches analogiques de la borne Wio, en utilisant un ADC intégré pour créer une valeur de 0-1,023.
|
||||
|
||||
### Connecter le capteur d'humidité du sol
|
||||
|
||||
Le capteur d'humidité du sol Grove peut être connecté au port analogique/numérique configurable des terminaux Wio.
|
||||
|
||||
#### Tâche - connecter le capteur d'humidité du sol
|
||||
|
||||
Connectez le capteur d'humidité du sol.
|
||||
|
||||
|
||||
|
||||
1. Insérez une extrémité d'un câble Grove dans la prise du capteur d'humidité du sol. Il ne peut être inséré que dans un seul sens.
|
||||
|
||||
1. Le terminal Wio étant déconnecté de votre ordinateur ou de toute autre source d'alimentation, connectez l'autre extrémité du câble Grove à la prise Grove de droite du terminal Wio lorsque vous regardez l'écran. Il s'agit de la prise la plus éloignée du bouton d'alimentation.
|
||||
|
||||
|
||||
|
||||
1. Insérez le capteur d'humidité du sol dans le sol. Il est doté d'une " ligne de position la plus élevée ", une ligne blanche qui traverse le capteur. Insérez le capteur jusqu'à cette ligne mais sans la dépasser.
|
||||
|
||||
|
||||
|
||||
1. Vous pouvez maintenant connecter le terminal Wio à votre ordinateur.
|
||||
|
||||
## Programmer le capteur d'humidité du sol
|
||||
|
||||
Le terminal Wio peut maintenant être programmé pour utiliser la sonde d'humidité du sol jointe.
|
||||
|
||||
### Tâche - programmer le capteur d'humidité du sol
|
||||
|
||||
Programmez l'appareil.
|
||||
|
||||
1. Créez un tout nouveau projet Wio Terminal en utilisant PlatformIO. Appelez ce projet `soil-moisture-sensor`. Ajoutez du code dans la fonction `setup` pour configurer le port série.
|
||||
|
||||
> ⚠️ Vous pouvez vous référer [aux instructions pour créer un projet PlatformIO dans le projet 1, leçon 1 si nécessaire](../../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.fr.md).
|
||||
|
||||
1. Il n'y a pas de bibliothèque pour ce capteur, à la place vous pouvez lire la broche analogique en utilisant la fonction Arduino intégré [`analogRead`](https://www.arduino.cc/reference/en/language/functions/analog-io/analogread/). Commencez par configurer la broche analogique pour l'entrée afin que les valeurs puissent être lues en ajoutant ce qui suit à la fonction `setup`.
|
||||
|
||||
```cpp
|
||||
pinMode(A0, INPUT);
|
||||
```
|
||||
|
||||
Ceci définit la broche `A0`, la broche combinée analogique/numérique, comme une broche d'entrée sur laquelle la tension peut être lue.
|
||||
|
||||
1. Ajoutez ce qui suit à la fonction `loop` pour lire la tension de cette broche :
|
||||
|
||||
```cpp
|
||||
int soil_moisture = analogRead(A0);
|
||||
```
|
||||
|
||||
1. Sous ce code, ajoutez le code suivant pour imprimer la valeur sur le port série :
|
||||
|
||||
```cpp
|
||||
Serial.print("Soil Moisture: ");
|
||||
Serial.println(soil_moisture);
|
||||
```
|
||||
|
||||
1. Enfin, ajoutez un délai à la fin de 10 secondes :
|
||||
|
||||
```cpp
|
||||
delay(10000);
|
||||
```
|
||||
|
||||
1. Construisez et téléchargez le code sur le terminal Wio.
|
||||
|
||||
> ⚠️ Vous pouvez vous référer [aux instructions pour créer un projet PlatformIO dans le projet 1, leçon 1 si nécessaire](../../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.fr.md).
|
||||
|
||||
1. Une fois téléchargé, vous pouvez surveiller l'humidité du sol à l'aide du moniteur série. Ajoutez un peu d'eau au sol, ou retirez le capteur du sol, et observez le changement de valeur.
|
||||
|
||||
```output
|
||||
> Executing task: platformio device monitor <
|
||||
|
||||
--- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
|
||||
--- More details at http://bit.ly/pio-monitor-filters
|
||||
--- Miniterm on /dev/cu.usbmodem1201 9600,8,N,1 ---
|
||||
--- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
|
||||
Soil Moisture: 526
|
||||
Soil Moisture: 529
|
||||
Soil Moisture: 521
|
||||
Soil Moisture: 494
|
||||
Soil Moisture: 454
|
||||
Soil Moisture: 456
|
||||
Soil Moisture: 395
|
||||
Soil Moisture: 388
|
||||
Soil Moisture: 394
|
||||
Soil Moisture: 391
|
||||
```
|
||||
|
||||
Dans l'exemple de sortie ci-dessus, vous pouvez voir la chute de tension lorsque de l'eau est ajoutée.
|
||||
|
||||
> 💁 Vous pouvez trouver ce code dans le fichier [code/wio-terminal](../code/wio-terminal).
|
||||
|
||||
😀 Votre programme de capteurs d'humidité du sol a été un succès !
|
||||
@ -1,9 +0,0 @@
|
||||
# Dummy File
|
||||
|
||||
This file acts as a placeholder for the `translations` folder. <br>
|
||||
**Please remove this file after adding the first translation**
|
||||
|
||||
For the instructions, follow the directives in the [translations guide](https://github.com/microsoft/IoT-For-Beginners/blob/main/TRANSLATIONS.md) .
|
||||
|
||||
## THANK YOU
|
||||
We truly appreciate your efforts!
|
||||
@ -0,0 +1,175 @@
|
||||
# IoT ডিভাইস ব্যবহার করে ফল এর মান যাচাই
|
||||
|
||||
|
||||
|
||||
> স্কেচনোটটি তৈরী করেছেন [Nitya Narasimhan](https://github.com/nitya)। বড় সংস্করণে দেখার জন্য ছবিটিতে ক্লিক করতে হবে।
|
||||
|
||||
## লেকচার-পূর্ববর্তী কুইজ
|
||||
|
||||
[লেকচার-পূর্ববর্তী কুইজ](https://brave-island-0b7c7f50f.azurestaticapps.net/quiz/31)
|
||||
|
||||
## সূচনা
|
||||
|
||||
পূর্ববর্তী লেসন এ আমরা ইমেজ ক্লাসিফায়ার নিয়ে জানলাম এবং আরো জেনেছি কিভাবে তাদেরকে প্রশিক্ষিত (train) করা যায় ভাল এবং খারাপ ফল সনাক্ত করার জন্য। এই ইমেজ ক্লাসিফায়ার IoT এপ্লিকেশন এ ব্যবহার করতে আমাদেরকে কোনো ধরনের ক্যামেরা দিয়ে ইমেজ ক্যাপচার করতে হবে এবং সেই ইমেজটি ক্লাউড এ পাঠাতে হবে।
|
||||
|
||||
|
||||
এই লেসন এ আমরা ক্যামেরা সেন্সর নিয়ে জানবো এবং কিভাবে এগুলোকে IoT ডিভাইস এর সাথে ব্যবহার করে ইমেজ ক্যাপচার করতে হয় তা শিখবো। এছাড়াও আমরা দেখবো কিভাবে ইমেজ ক্লাসিফায়ারকে IoT ডিভাইস থেকে কল করতে হয়।
|
||||
|
||||
এই লেসন এ আমরা কভার করবোঃ
|
||||
|
||||
* [ক্যামেরা সেন্সর](#ক্যামেরা-সেন্সর)
|
||||
* [IoT ডিভাইস ব্যবহার করে ইমেজ ক্যাপচার করা](#IoT-ডিভাইস-ব্যবহার-করে-ইমেজ-ক্যাপচার-করা)
|
||||
* [আমাদের ইমেজ ক্লাসিফায়ার পাবলিশ করি](#আমাদের-ইমেজ-ক্লাসিফায়ার-পাবলিশ-করি)
|
||||
* [IoT ডিভাইস থেকে ইমেজ ক্লাসিফাই করা](#IoT-ডিভাইস-থেকে-ইমেজ-ক্লাসিফাই-করা)
|
||||
* [Model উন্নত করা](#Model-উন্নত-করা)
|
||||
|
||||
## ক্যামেরা সেন্সর
|
||||
|
||||
ক্যামেরা সেন্সর, তার নামের মতই এমন ক্যামেরা যা IoT ডিভাইস এর সাথে কানেক্ট করা যায়। এগুলো স্থিরচিত্র অথবা স্ট্রিমিং ভিডিও ক্যাপচার করতে পারে, কিছু ডিভাইস গুলো মূল ইমেজ ডাটা ফেরত পাঠাই , বাকি গুলো ইমেজ ডাটা কমপ্রেস করে JPEG অথবা PNG টাইপ এর ইমেজ ফাইল বানাবে। সাধারণত যে কামেরা গুলো IoT ডিভাইস গুলোর সাথে ব্যবহার করা হয় আমরা যেগুলো ব্যবহার করে অভ্যস্ত সেগুলো থেকে অনেক ছোট সাইজ এর এবং কম রেজোলিউশান এর, কিন্তু আমরা হাই রেজোলিউশান এর ক্যামেরা নিতে পারি যেগুলো আধুনিক ফোন গুলার সাথে টেক্কা দেয়। আমরা সব ধরনের ইন্টারচেঞ্জেবল লেন্স, কয়েকটা ক্যামেরা সেটাপ, ইনফ্রারেড থার্মাল ক্যামেরা অথবা ইউভি ক্যামেরা নিতে পারি।
|
||||
|
||||
|
||||
|
||||
|
||||
বেশিরভাগ ক্যামেরা সেন্সর ইমেজ সেন্সর ব্যবহার করে যেখানে প্রত্যেক পিক্সেল হল ফটোডায়োড। একটা লেন্স ইমেজ সেন্সর এর উপর ইমেজ টাকে ফোকাস করে এবং হাজার অথবা লক্ষ লক্ষ ফটোডায়োড প্রত্যেকে তার উপর আপতিত আলো ডিটেক্ট করে এবং পিক্সেল ডাটা হিসাবে রেকর্ড করে।
|
||||
|
||||
> 💁 লেন্স ইমেজ কে উল্টায়, পরে ক্যামেরা সেন্সর আবার ঠিক ভাবে ইমেজটাকে উল্টায়। ঠিক একই রকম আমাদের চোখে হয় - আমরা যা দেখি তা চোখের পিছনে উল্টো ভাবে ডিটেক্ট করে এবুং ব্রেন সেটাকে ঠিক করে।
|
||||
|
||||
> 🎓 ইমেজ সেন্সরটা একটিভ-পিক্সেল সেন্সর (APS) হিসেবে পরিচিত, এবং সবচেয়ে জনপ্রিয় টাইপ এর APS হল কমপ্লিমেন্টারি মেটাল-অক্সাইড সেমিকন্ডাক্টর সেন্সর, অথবা CMOS। আমরা শুনে থাকতে পারি ক্যামেরা সেন্সর এ CMOS সেন্সর ব্যবহার এর টার্ম টা।
|
||||
|
||||
|
||||
ক্যামেরা সেন্সর হল ডিজিটাল সেন্সর , ইমেজ ডাটা কে ডিজিটাল ডাটা হিসেবে পাঠায়, সাধারণত যে লাইব্রেরি কমিউনিকেশন প্রদান করে তার সাহায্য নিয়ে, ক্যামেরা গুলো কানেক্ট করে SPI এর মত প্রোটকল ব্যবহার করে যা তাদের বড় পরিমাণে ডাটা পাঠাতে অনুমোদন দেয় - ইমেজ গুলো temperature সেন্সর এর মত সেন্সর থেকে পাওয়া সিংগেল নাম্বার থেকে যথেষ্ট পরিমাণে বড়।
|
||||
|
||||
|
||||
✅ IoT ডিভাইস গুলোর ইমেজ সাইজ এর সীমাবদ্ধতা কি কি? সীমাবদ্ধতাগুলো চিন্তা করি বিশেষ করে মাইক্রোকন্ট্রোলার হার্ডওয়ার এর উপর।
|
||||
|
||||
|
||||
## IoT ডিভাইস ব্যবহার করে ইমেজ ক্যাপচার করা
|
||||
|
||||
আমরা আমাদের IoT ডিভাইস ক্যাপচার এবং ইমেজ ক্লাসিফাই করতে ব্যবহার করতে পারি।
|
||||
|
||||
### কাজ - IoT ডিভাইস ব্যবহার করে ইমেজ ক্যাপচার করা
|
||||
|
||||
নিম্নের কোন একটি প্রাসঙ্গিক গাইড এর মাধ্যমে IoT ডিভাইস ব্যবহার করে ইমেজ ক্যাপচার করিঃ
|
||||
|
||||
|
||||
* [Arduino - Wio Terminal](../wio-terminal-camera.md)
|
||||
* [Single-board computer - Raspberry Pi](../pi-camera.md)
|
||||
* [Single-board computer - Virtual device](../virtual-device-camera.md)
|
||||
|
||||
|
||||
## আমাদের ইমেজ ক্লাসিফায়ার পাবলিশ করি
|
||||
|
||||
আমরা শেষ লেসন এ ইমেজ ক্লাসিফায়ার ট্রেন করেছিলাম। IoT ডিভাইস এটা ব্যবহার করার আগে, আমাদের model তা পাবলিশ করতে হবে।
|
||||
|
||||
### Model Iteration
|
||||
|
||||
যখন আমাদের মডেলে শেষ লেসন এ ট্রেনিং হচ্ছিলো, আমরা হয়ত খেয়াল করছিলাম যে **Performance** ট্যাব সাইড এ Iteration গুলো দেখায়। যখন আমরা প্রথম model টা ট্রেন করি তখন আমরা দেখে থাকতে পারি *Iteration 1* ট্রেইনিং এ। যখন আমরা model টাকে প্রেডিকশন ইমেজ ব্যবহার করে আরো উন্নত করি, তখন আমরা দেখে থাকতে পারি *Iteration 2* ট্রেইনিং এ।
|
||||
|
||||
প্রতেকবার আমরা যখন model টাকে ট্রেইন করি, আমরা নতুন Iteration পাই। এভাবে আমরা বিভিন্ন ডাটাসেট এর উপর ট্রেইন করা আমাদের model এর বিভিন্ন ভার্সন ট্র্যাক করতে পারি। যখন আমরা **Quick Test** করি, এখানে আমরা Iteration সিলেক্ট করার একটি ড্রপডাউন মেনু পাই, যেন আমরা বিভিন্ন Iteration এর রেজাল্ট তুলনা করতে পারি।
|
||||
|
||||
যখন আমরা একটি Iteration নিয়ে সন্তুষ্ট হই, আমরা এটাকে পাবলিশ করতে পারি এক্সটার্নাল এপ্লিকেশন থেকে ব্যবহার সহজলভ্য করার জন্য। এভাবে আমরা আমাদের ডিভাইস দিয়ে ব্যবহার করা একটি পাবলিক ভার্সন পেতে পারি, পরে আরো নতুন কিছু Iteration এর উপর নতুন ভার্সন নিয়ে কাজ করতে পারি, পরে যখন আমরা এটা নিয়ে সন্তুষ্ট হব তখন এটা পাবলিশ করতে পারি।
|
||||
|
||||
### কাজ - Iteration পাবলিশ করা
|
||||
|
||||
Iteration গুলো কাস্টম ভিসন পোর্টাল থেকে পাবলিশ করতে হয়।
|
||||
|
||||
1. [CustomVision.ai](https://customvision.ai) তে কাস্টম ভিসন পোর্টাল লঞ্চ করি এবং সাইন ইন করি যদি ইতিমধ্যে এটা খুলে না থাকি। পরে আমাদের `fruit-quality-detector` প্রোজেক্ট খুলি।
|
||||
|
||||
|
||||
1. উপরের অপশন থেকে **Performance** ট্যাব সিলেক্ট করি।
|
||||
|
||||
1. সাইড এর *Iterations* লিস্ট থেকে সর্বশেষ Iteration সিলেক্ট করি।
|
||||
|
||||
1. Iteration এর জন্য **Publish** বাটন সিলেক্ট করি।
|
||||
|
||||
|
||||
|
||||
|
||||
1. *Publish Model* ডায়লগ এ, *Prediction resource* এ আগের লেসন এ আমাদের তৈরি রিসোর্স `fruit-quality-detector-prediction` সেট করি। নাম হিসেবে `Iteration2` রাখি, এবং **Publish** বাটন সিলেক্ট করি।
|
||||
|
||||
|
||||
1. একবার পাবলিশ করা হলে, **Prediction URL** বাটন সিলেক্ট করি। এটা প্রেডিকশন এপিআই এর ডিটেলস দেখাবে, এবং আমাদের IoT ডিভাইস থেকে model কে কল করতে এগুলো দরকার হবে। নিচের সেকশন কে *If you have an image file* হিসেবে লেবেল করা এবং এই ডিটেইল গুলো আমরা চাই। দেখানো URL এর কপি করি যেটা কিছু টা এরকম হবেঃ
|
||||
|
||||
```output
|
||||
https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/classify/iterations/Iteration2/image
|
||||
```
|
||||
যেখানে `<location>` হবে কাস্টম ভিসন পোর্টাল রিসোর্স তৈরি করার সময় ব্যবহার করা লোকেশন, এবং `<id>` হবে অনেকগুলো লেটার এবং নাম্বার দিয়ে তৈরি করা লম্বা আইডি।
|
||||
|
||||
এছাড়াও *Prediction-Key* ভ্যালু এর একটি কপি নিই। এটা একটি সিকিউরড কী (KEY) যেটা model কে কল করার সময় পাস করা হয়। শুধুমাত্র যে আপ্লিকেশন গুলো এই কি পাস করবে তাদেরকে model টা ব্যবহার করতে দেয়া হবে, অন্য সব আপ্লিকেশন কে প্রত্যাখ্যান হবে।
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
✅ যখন একটি নতুন Iteration পাবলিশ করা হয়, তখন এটার অন্য নাম থাকে। IoT ডিভাইস এর ব্যবহার করা Iteration আমরা কিভাবে পরিবর্তন করা যায় সেটা আমরা কিভাবে চিন্তা করতে পারি।
|
||||
|
||||
## IoT ডিভাইস থেকে ইমেজ ক্লাসিফাই করা
|
||||
|
||||
আমরা এখন এই কানেকশন ডিটেইলস গুলো IoT ডিভাইস থেকে ইমেজ ক্লাসিফায়ার কল করার জন্য ব্যবহার করতে পারি।
|
||||
|
||||
### কাজ - আমাদের IoT ডিভাইস থেকে ইমেজ ক্লাসিফাই করা
|
||||
|
||||
প্রাসঙ্গিক গাইড এর মাধ্যমে কাজ IoT ডিভাইস ব্যবহার করে ইমেজ ক্যাপচার করিঃ
|
||||
|
||||
* [Arduino - Wio Terminal](../wio-terminal-classify-image.md)
|
||||
* [Single-board computer - Raspberry Pi/Virtual IoT device](../single-board-computer-classify-image.md)
|
||||
|
||||
## Model উন্নত করা
|
||||
|
||||
আমরা যেনে থাকতে পারি যে, IoT ডিভাইস এর সাথে কানেক্টেড থাকা ক্যামেরা থেকে আমরা আশানুরূপ রেজাল্ট নাও পেতে পারি। আমাদের কম্পিউটার থেকে আপলোড করা ইমেজ ব্যবহার করা প্রেডিকশন গুলো সবসময় সঠিক হয় না। এটার কারন হল Model যে ডাটার উপর ট্রেইন করা হয়েছে তার থেকে ভিন্ন ডাটা প্রেডিকশন এর জন্য ব্যবহার করা।
|
||||
|
||||
ইমেজ ক্লাসিফায়ার থেকে সবচেয়ে ভাল রেজাল্ট এর জন্য, আমরা প্রেডিকশন এর জন্য ব্যবহার করা ইমেজ এর মত যথাসম্ভব অনুরূপ ইমেজ উপর আমাদের model ট্রেইন করতে চাবো। উদাহরণ স্বরূপ, আমরা যদি ট্রেইনিং এর ইমেজ ক্যাপচার এর জন্য ফোন ক্যামেরা ব্যবহার করি, সেটার ইমেজ কোয়ালিটি, শার্পনেস, এবং কালার একট IoT ডিভাইস এর সাথে কানেক্টেড ক্যামেরা থেকে ভিন্ন হবে।
|
||||
|
||||
|
||||
|
||||
|
||||
উপরের ইমেজ এ, বামের কলার ছবি একটি রাস্পবেরি পাই ক্যামেরা থেকে নেয়া হয়েছিল, ডানের টা একই কলার ছবি আইফোন ক্যামেরা থেকে নেয়া হয়েছিল। এখানের কোয়ালিটির দিক থেকে লক্ষণীয় ভিন্নতা আছে - আইফোন এর ছবি টা শার্পার, উজ্জ্বল কালার সহ এবং বেশি কন্ট্রাস্ট এর।
|
||||
|
||||
|
||||
✅ আমাদের IoT ডিভাইস দিয়ে ক্যাপচার করা ইমেজ এর ভুল প্রেডিকশন এর জন্য আর কি কি কারন থাকতে পারে? একটা IoT ডিভাইস যে পরিবেশে ব্যবহার করা হতে পারে সেটা নিয়ে চিন্তা করি, কি কি ফ্যাক্টর ক্যাপচার করা ইমেজ কে প্রভাবিত করতে পারে।
|
||||
|
||||
মডেল কে উন্নত করার জন্য, আমরা IoT ডিভাইস থেকে ক্যাপচার করা ইমেজ দিয়ে রিট্রেইন করতে পারি।
|
||||
|
||||
---
|
||||
|
||||
### কাজ - মডেল উন্নত করা
|
||||
|
||||
1. আমাদের IoT ডিভাইস দিয়ে পাকা এবং কাঁচা ফলের কিছু ইমেজ ক্লাসিফাই করি।
|
||||
|
||||
1. কাস্টম ভিসন পোর্টাল এ, *Predictions* ট্যাব এর ইমেজ ব্যবহার করে রিট্রেইন করি।
|
||||
|
||||
> ⚠️আমরা [এই সিরিজের ১ম লেসন থেকে ক্লাসিফায়ার retain করার জন্য প্রয়োজনীয় নির্দেশনা](../1-train-fruit-detector/README.md#retrain-your-image-classifier) দেখতে পারি, যদি প্রয়োজন হয়।
|
||||
|
||||
|
||||
1. যদি আমাদের ইমেজ ট্রেইনিং এ ব্যবহার করা আসল ইমেজ থেকে দেখতে অনেক ভিন্ন হয়, আমরা আসল ইমেজ গুলো *Training Images* ট্যাব সিলেক্ট করে এবং **Delete** বাটন সিলেক্ট করে ডিলিট করতে পারি। ইমেজ সিলেক্ট করার জন্য, আমাদের কার্সর তা এর উপর মুভ করি এবং একটি টিক আসবে, টিক টা সিলেক্ট অথবা ডিসিলেক্ট করি ইমেজ সিলেক্ট অথবা ডিসিলেক্ট করার জন্য।
|
||||
|
||||
1. একটি নতুন Iteration ট্রেইন করি এবং উপরের ধাপ ব্যবহার করে পাবলিশ করি।
|
||||
|
||||
1. আমাদের কোড এর endpoint URL আপডেট করি, এবং অ্যাপ তা পুনরায় রান করি।
|
||||
|
||||
1. প্রেডিকশন এর রেসাল্ট নিয়ে সন্তুষ্ট না হওয়া পর্যন্ত এই ধাপ গুলো Iteration করি।
|
||||
|
||||
---
|
||||
|
||||
|
||||
## 🚀 চ্যালেঞ্জ
|
||||
|
||||
ইমেজ এর রেজোলিউশন অথবা আলোর উপস্থিতি এখানে প্রেডিকশন কে কতটুকু প্রভাবিত করে?
|
||||
|
||||
আমাদের ডিভাইস এর কোড এ ইমেজ এর রেজোলিউশন পরিবর্তন করার চেষ্টা করি এবং দেখি এটা ইমেজ এর কোয়ালিটি তে কোন পার্থক্য আনে কিনা। এছাড়াও আলো চেঞ্জ করেও চেষ্টা করে দেখতে পারি।
|
||||
|
||||
যদি আমরা এই প্রোডাকশন ডিভাইসটি কোন ফার্ম অথবা ফ্যাক্টরি তে বিক্রয়ের জন্য তৈরী করি, আমরা কিভাবে নিশ্চিত করতে পারি যে এটা সব সময় ধারাবাহিকভাবে ভালো ফলাফল দিবে?
|
||||
|
||||
## লেকচার-পরবর্তী কুইজ
|
||||
|
||||
[লেকচার-পরবর্তী কুইজ](https://brave-island-0b7c7f50f.azurestaticapps.net/quiz/32)
|
||||
|
||||
## রিভিউ ও স্ব-অধ্যয়ন
|
||||
|
||||
আমরা আমাদের কাস্টম ভিসন মডেল পোর্টাল ব্যবহার করে ট্রেইন করেছি। এটা ইমেজ এর সহজলভ্যতার উপর নির্ভর করে - এবং বাস্তব জগতে আমরা আমাদের ক্যামেরা ডিভাইস এর সাথে মিলে এমন ট্রেইনিং ডাটা হয়ত পাবো না। আমরা এটার বদলে আমাদের ডিভাইস থেকে সরাসরি ট্রেইনিং করতে পারি করতে এপিআই ব্যবহার করে, IoT ডিভাইস থেকে ক্যাপচার করা ইমেজ দিয়ে মডেল ট্রেইন করার জন্য।
|
||||
|
||||
* ট্রেইনিং এপিআই সম্পর্কে আরো জানতে [using the Custom Vision SDK quick start](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/quickstarts/image-classification?WT.mc_id=academic-17441-jabenn&tabs=visual-studio&pivots=programming-language-python) দেখতে পারি।
|
||||
|
||||
## এসাইনমেন্ট
|
||||
|
||||
[ক্লাসিফিকেশন রেজাল্টের প্রতিক্রিয়া জানানো](assignment.bn.md)
|
||||
@ -0,0 +1,13 @@
|
||||
# ক্লাসিফিকেশন রেজাল্টের প্রতিক্রিয়া জানানো
|
||||
|
||||
## নির্দেশাবলী
|
||||
|
||||
আমাদের ডিভাইস ইমেজ ক্লাসিফাই করেছে, এবং প্রেডিকশনের মান গুলো আছে। আমাদের ডিভাইস এই তথ্য গুলো দিয়ে কিছু করতে পারে - এটা প্রসেসিং এর জন্য IoT Hub এ পাঠাতে পারে অন্য সিস্টেম গুলো দিয়ে, অথবা এটা একটা actuator কন্ট্রোল করতে পারে যেমন LED আলোকিত হবে যখন ফল কাঁচা।
|
||||
|
||||
আমাদের ডিভাইস এ আমাদের মত করে প্রতিক্রিয়া জানাতে পারে এমন ভাবে কোড করি - হয় IoT Hub এ ডাটা পাঠাবে , actuator কন্ট্রোল করবে, অথবা দুটো কে একত্রিত করবে এবং IoT Hub এ ডাটা পাঠাবে কিছু সার্ভারলেস কোড দিয়ে যেটা নির্ধারণ করবে ফল টা পাকা নাকি না এবং actuator কন্ট্রোল করার একটি কমান্ড ফেরত পাঠাবে।
|
||||
|
||||
## এসাইনমেন্ট মূল্যায়ন মানদন্ড
|
||||
|
||||
| ক্রাইটেরিয়া | দৃষ্টান্তমূলক (সর্বোত্তম) | পর্যাপ্ত (মাঝারি) | উন্নতি প্রয়োজন (নিম্নমান) |
|
||||
| --------- | ------------------ | -------------- | -------------------- |
|
||||
| প্রেডিকশনের প্রতিক্রিয়া জানানো | প্রেডিকশনের প্রতিক্রিয়া বাস্তবায়ন করতে পেরেছে যেটা একই মানের প্রেডিকশনের সাথে ধারাবাহিকভাবে ভাবে কাজ করতে পারে | প্রেডিকশনের উপর নির্ভরশীল না এমন প্রতিক্রিয়া বাস্তবায়ন করতে পেরেছে, যেমন IoT Hub এ মূল ডাটা প্রেরণ করতে পারে| ডিভাইস টাকে প্রেডিকশনের প্রতিক্রিয়া দেখানোর প্রোগ্রাম করতে পারে নাই |
|
||||
@ -1,9 +0,0 @@
|
||||
# Dummy File
|
||||
|
||||
This file acts as a placeholder for the `translations` folder. <br>
|
||||
**Please remove this file after adding the first translation**
|
||||
|
||||
For the instructions, follow the directives in the [translations guide](https://github.com/microsoft/IoT-For-Beginners/blob/main/TRANSLATIONS.md) .
|
||||
|
||||
## THANK YOU
|
||||
We truly appreciate your efforts!
|
||||
@ -0,0 +1,615 @@
|
||||
# Edge এ Fruit Detector পরিচালনা করা
|
||||
|
||||
|
||||
|
||||
> স্কেচনোটটি তৈরী করেছি [Nitya Narasimhan](https://github.com/nitya)। বড় সংস্করণে দেখার জন্য ছবিটিতে ক্লিক করতে হবে।
|
||||
|
||||
এই ভিডিওটি আইওটি ডিভাইসে চলমান ইমেজ ক্লাসিফায়ারগুলির একটি সংক্ষিপ্ত বিবরণ দেয়, যে বিষয়টি এই পাঠেই অন্তর্ভুক্ত।
|
||||
|
||||
[](https://www.youtube.com/watch?v=_K5fqGLO8us)
|
||||
|
||||
> 🎥 উপরের ছবিতে ক্লিক করে ভিডিওটি দেখে নিই
|
||||
|
||||
## লেকচার-পূর্ববর্তী কুইজ
|
||||
|
||||
[লেকচার-পূর্ববর্তী কুইজ](https://brave-island-0b7c7f50f.azurestaticapps.net/quiz/33)
|
||||
|
||||
## সূচনা
|
||||
|
||||
গত পাঠে আমরা পাকা এবং কাঁচা ফলের শ্রেণিবিন্যাস করতে ইমেজ ক্লাসিফায়ার ব্যবহার করেছি, ইন্টারনেটে আমাদের আইওটি ডিভাইসে ক্যামেরা দ্বারা ধারণ করা একটি ছবি ক্লাউড সার্ভিসে পাঠিয়েছি। এই কাজগুলি হতে সময় নেয়, অর্থ ব্যয় হয় এবং আমরা যে ধরণের ছবি ব্যবহার করছি, তার উপর নির্ভর করে গোপনীয়তা সুংক্রান্ত বিষয়ের প্রভাব থাকতে পারে।
|
||||
|
||||
এই পাঠে আমরা শিখবো কিভাবে মেশিন লার্নিং (এমএল) মডেলগুলি Edge এ চালানো যায় - ক্লাউডের পরিবর্তে আমাদের নিজের নেটওয়ার্কে চলমান আইওটি ডিভাইসে। আমরা ক্লাউড কম্পিউটিং বনাম Edge কম্পিউটিং এর সুবিধা এবং অসুবিধা সম্বন্ধে জানবো, কিভাবে আমাদের AI মডেলকে Edge এ স্থাপন করবো এবং কিভাবে আমাদের IoT ডিভাইস থেকে এটি অ্যাক্সেস করবো সেটিও দেখবো।
|
||||
|
||||
এই পাঠে আমরা শিখবো :
|
||||
|
||||
* [Edge computing](#edge-computing)
|
||||
* [Azure IoT Edge](#Azure-IoT-Edge)
|
||||
* [IoT Edge device রেজিস্টার করা](#IoT-Edge-device-রেজিস্টার-করা)
|
||||
* [IoT Edge device সেটাপ করা](#IoT-Edge-device-সেটাপ-করা)
|
||||
* [মডেল এক্সপোর্ট করা](#মডেল-এক্সপোর্ট-করা)
|
||||
* [ডেপ্লয়মেন্টের জন্য কন্টেইনার প্রস্তুতকরণ](#ডেপ্লয়মেন্টের-জন্য-কন্টেইনার-প্রস্তুতকরণ)
|
||||
* [কন্টেইনার ডেপ্লয় করা](#কন্টেইনার-ডেপ্লয়-করা)
|
||||
* [আমাদের IoT Edge device ব্যবহার করা](#আমাদের-IoT-Edge-device-ব্যবহার-করা)
|
||||
|
||||
## Edge computing
|
||||
|
||||
Edge কম্পিউটিংয়ের ধারণা টি এমন যে যেখানে ডেটা তৈরী বা যেখান থেকেই গৃহীত হয়, সেখানকার কাছাকাছি ডেটা প্রসেস করতে পারা। ক্লাউডে এই প্রসেসিং এর পরিবর্তে, এটি ক্লাউডের Edge এ স্থানান্তরিত হয় - যেটি কিনা আমাদের অভ্যন্তরীণ নেটওয়ার্ক।
|
||||
|
||||
|
||||
|
||||
এ পর্যন্ত পাঠগুলিতে আমরা শিখেছি কীভাবে আমাদের কাছের ডিভাইসগুলি তথ্য সংগ্রহ এবং ক্লাউডে ডেটা পাঠানোর জন্য বিশ্লেষণ করে, ক্লাউডে সার্ভারহীন ফাংশন বা এআই মডেল কীভাবে চালানো হয়।
|
||||
|
||||
|
||||
|
||||
Edge কম্পিউটিং এ মূলত কিছু ক্লাউড পরিষেবা বা সার্ভিসকে ক্লাউড থেকে সরিয়ে এবং IoT ডিভাইস যে নেটওয়ার্কে চলমান সেই একই নেটওয়ার্কের কোন কম্পিউটারে নিয়ে আসা। শুধুমাত্র প্রয়োজন হলেই ক্লাউডের সাথে যোগাযোগ করা হবে। উদাহরণস্বরূপ, আমরা কোন ফল পাকা কিনা তা বিশ্লেষণ করতে Edge এর ডিভাইসে এআই মডেল চালাতে পারি এবং শুধুমাত্র বিশ্লেষণগুলি ক্লাউডে ফেরত পাঠাতে পারি, যেমন ফলের পাকা বনাম কাঁচা ফলের সংখ্যা।
|
||||
|
||||
✅ আমরা এতদিন পর্যন্ত শেখা আইওটি অ্যাপ্লিকেশনগুলি সম্পর্কে চিন্তা করি। তাদের কোন অংশগুলি Edge এ নিয়ে আসা যেতে পারে।
|
||||
|
||||
### সুবিধা
|
||||
|
||||
Edge কম্পিউটিং এর সুবিধা গুলো হলো:
|
||||
|
||||
1. **দ্রততা** - সময়-সংবেদনশীল (time-sensitive) তথ্যের জন্য খুবই সুবিধাজনক কারণ সমগ্র ইন্টারনেট জুড়ে সংযোগ করার পরিবর্তে লোকাল ডিভাইসেই কাজগুলি করা হয়। এটি উচ্চ গতিতে তা করতে সক্ষম হয় কারণ অভ্যন্তরীণ নেটওয়ার্কগুলি ইন্টারনেট সংযোগের তুলনায় যথেষ্ট দ্রুত গতিতে চলতে পারে, যার ডেটা অনেক কম দূরত্বে ভ্রমণ করে।
|
||||
|
||||
> 💁 ইন্টারনেট সংযোগের জন্য অপটিক্যাল ক্যাবল ব্যবহার করা হলেও , আলোর গতিতে ডেটা পরিবহণের সুযোগ দেয়া হলেও, ডেটা ক্লাউড প্রোভাইডারদের কাছে পৌছতে সময় নিতে পারে। উদাহরণস্বরূপ, যদি আমরা ইউরোপ থেকে মার্কিন যুক্তরাষ্ট্রে ক্লাউড পরিষেবাদিতে ডেটা পাঠাই তবে অপটিক্যাল ক্যাবলে আটলান্টিক অতিক্রম করতে ডেটার জন্য কমপক্ষে 28ms সময় লাগে (এখানে তাও উপেক্ষা করা হচ্ছে - ট্রান্সঅ্যাটলান্টিক কেবলে ডেটা পাওয়া, বৈদ্যুতিক থেকে আলোকীয় সংকেতে রূপান্তর এবং তারপর আবার অপটিক্যাল ক্যাবল থেকে ক্লাউড প্রোভাইডারের কাছে পৌছানোর মত বিষয়গুলো)।
|
||||
|
||||
Edge কম্পিউটিংয়ের জন্য কম নেটওয়ার্ক ট্র্যাফিকের প্রয়োজন হয়, এতে করে ইন্টারনেট সংযোগের সীমিত ব্যান্ডউইথের সমস্যা বা এর মধ্যে যানজটের ফলে আমাদের ডেটা পরিবহন ধীর হওয়ার ঝুঁকি হ্রাস করে।
|
||||
|
||||
1. **দূরবর্তী সংযোগ নিয়ন্ত্রণ** - Edge কম্পিউটিং কাজ করে যখন আমাদের কোন ইন্টারনেট সংযোগ থাকেনা বা খুবই সীমিত পর্যায়ের হয়। উদাহরণস্বরূপ যখন পরিবেশগত দূর্যোগ ঘটে, তখন ইন্টারনেটের কোন একসেস থাকেনা।
|
||||
|
||||
1. **অল্প খরচ** - Edge ডিভাইসে ডেটা সংগ্রহ, সঞ্চয়, বিশ্লেষণ এবং ট্রিগারিং কার্যক্রম সম্পাদন করা ক্লাউড পরিষেবার ব্যবহার হ্রাস করে যা আমাদের আইওটি অ্যাপ্লিকেশনের সামগ্রিক খরচ কমাতে পারে। Edge কম্পিউটিংয়ের জন্য ডিজাইন করা ডিভাইসে সাম্প্রতিক অনেক উন্নয়ন হয়েছে, সম্প্রতি এআই এক্সিলারেটর বোর্ড যেমন [NVIDIA জেটসন ন্যানো](https://developer.nvidia.com/embedded/jetson-nano-developer-kit) এর আবির্ভাব ঘটেছে, যা GPU-ভিত্তিক হার্ডওয়্যার ব্যবহার করে AI ওয়ার্কলোডগুলি চালাতে পারে যে ডিভাইসগুলির দাম US $100 এরও কম।
|
||||
|
||||
1. **গোপনীয়তা এবং নিরাপত্তা** - Edge কম্পিউটিং এর ক্ষেত্রে ডেটা আমাদের নেটওয়ার্কে থাকে এবং ক্লাউডে আপলোড করা হয় না। এটি প্রায়শই সংবেদনশীল এবং ব্যক্তিগতভাবে শনাক্তযোগ্য তথ্যের জন্য অধিকতর কল্যাণজনক। এছাড়াও ডেটা বিশ্লেষণ করার পরে ডেটা সংরক্ষণ করার প্রয়োজন হয় না, যা ডেটা ফাঁসের ঝুঁকি অনেক কমিয়ে দেয়। উদাহরণগুলির মধ্যে রয়েছে মেডিকেল ডেটা এবং সিসিটিভি ক্যামেরা ফুটেজ।
|
||||
|
||||
1. **অনিরাপদ ডিভাইসগুলি পরিচালনা করা** - যদি আমাদের জানামতে নিরাপত্তা ত্রুটিযুক্ত কোন ডিভাইস থাকে যা আমরা সরাসরি আমাদের নেটওয়ার্ক বা ইন্টারনেটের সাথে সংযুক্ত করতে চাই না, সেগুলিকে একটি পৃথক নেটওয়ার্কে গেটওয়ে আইওটি Edge ডিভাইসে সংযুক্ত করতে পারি। এই Edge ডিভাইসটি আমাদের বৃহত্তর নেটওয়ার্ক বা ইন্টারনেটের সাথেও সংযোগ স্থাপন করতে পারে এবং ডেটা প্রবাহকে সামনে পেছনে পরিচালনা করতে পারে।
|
||||
|
||||
1. **অসামঞ্জস্যপূর্ণ ডিভাইসের জন্য সাপোর্ট** - যদি আমাদের এমন ডিভাইস থাকে যা IoT হাবের সাথে সংযোগ করতে পারে না, উদাহরণস্বরূপ এমন ডিভাইস যা শুধুমাত্র HTTP সংযোগ ব্যবহার করে সংযোগ করতে পারে বা যে ডিভাইসগুলিতে কেবলমাত্র ব্লুটুথ সংযোগ আছে- সেক্ষেত্রে আমরা একটি IoT Edge ডিভাইসকে গেটওয়ে ডিভাইস হিসাবে ব্যবহার করতে পারি , IoT Hub- এ বার্তা পাঠানোর জন্য।
|
||||
|
||||
✅ কিছু গবেষণা করি: Edge কম্পিউটিং এর অন্য কোন কোন সুবিধা থাকতে পারে?
|
||||
|
||||
### অসুবিধা
|
||||
|
||||
Edge কম্পিউটিংয়ের আবার কিছু অসুবিধাও রয়েছে, যেসব ক্ষেত্রে ক্লাউড ভালো অপশন হতে পারে:
|
||||
|
||||
1. **স্কেল এবং ফ্লেক্সিবিলিটি** - ক্লাউড কম্পিউটিং এ সার্ভার এবং অন্যান্য রিসোর্স সংযোজন বা হ্রাস করে রিয়েল -টাইমে নেটওয়ার্ক এবং ডেটা প্রয়োজনের সাথে সামঞ্জস্য করতে পারে। কিন্তু Edge এর সুবিধা কম্পিউটারে যোগ করার জন্য ম্যানুয়ালি আরো ডিভাইস যোগ করা প্রয়োজন।
|
||||
|
||||
1. **নির্ভরযোগ্যতা এবং সহনশীলতা** - ক্লাউড কম্পিউটিং এ অপ্রয়োজনীয় অতিরিক্ত রিসোর্স এবং দুর্যোগকালীন পরিস্থিতি এড়ানোর জন্য প্রায়ই একাধিক স্থানে একাধিক সার্ভার সরবরাহ করে। Edge এ একই মাত্রার অপ্রয়োজনীয়তার জন্য বড় বিনিয়োগ এবং কনফিগারেশনের কাজ প্রয়োজন।
|
||||
|
||||
1. **রক্ষণাবেক্ষণ** - ক্লাউড পরিষেবা প্রদানকারীরারাই সিস্টেম রক্ষণাবেক্ষণ এবং আপডেট প্রদান করে।
|
||||
|
||||
✅ কিছু গবেষণা করি: Edge কম্পিউটিংয়ে অন্য কোন অসুবিধা থাকতে পারে?
|
||||
|
||||
ক্লাউড ব্যবহার করার অসুবিধার মধ্যে দেখা যায় - আমরা ক্লাউড সরবরাহকারীদের দক্ষতা এবং স্কেলের উপর নির্ভর করতে পারবোনা, বরং আমাদেরকে এই ডিভাইসগুলি নিজেই তৈরি এবং পরিচালনা করতে হবে।
|
||||
|
||||
Edge কম্পিউটিংয়ের দ্বারা কিছু ঝুঁকি প্রশমিত করা যায়। উদাহরণস্বরূপ, যদি আমাদের যন্ত্রপাতি সহ কারখানায় যেখান থেকে ডেটা সংগ্রহ করা হয়, সেখানেই একটি Edge ডিভাইস থাকে, তাহলে আমাদেরকে দুর্যোগ পরিস্থিতি সম্পর্কে ভাবতে হবে না। যদি কারখানার বিদ্যুৎ চলে যায় তাহলে আমাদের ব্যাকআপ Edge ডিভাইসের প্রয়োজন হবে না কারণ মেশিনগুলি ডেটা তৈরির পর, Edge ডিভাইসের প্রক্রিয়াগুলিও বিদ্যুৎবিহীন পরিচালনা করা যাবে।
|
||||
|
||||
IoT সিস্টেমের জন্য, আমরা প্রায়ই ক্লাউড এবং Edge কম্পিউটিং এর মিশ্রণ এর কৌশল গ্রহণ করি যেখানে সিস্টেম এর গ্রাহকদের এবং এর রক্ষণাবেক্ষণকারীদের প্রয়োজনের উপর ভিত্তি করে প্রতিটি সেবার সুবিধা পাওয়া যায়।
|
||||
|
||||
## Azure IoT Edge
|
||||
|
||||
|
||||
|
||||
Azure IoT Edge হল একটি পরিষেবা যা আমাদেরকে কাজের চাপকে ক্লাউডের বাইরে এবং Edge এ সরিয়ে নিতে সাহায্য করতে পারে। আমরা একটি Edge ডিভাইস হিসাবে একটি ডিভাইস সেট আপ, এবং ক্লাউড থেকে আমরা যে Edge ডিভাইসে কোড স্থাপন করতে পারি। এটি আমাদেরকে ক্লাউড এবং Edge এর ক্ষমতাগুলির সর্বোচ্চ ব্যবহার নিশ্চিত করে।
|
||||
|
||||
> 🎓 *Workloads* বলতে সেসকল সার্ভিস বোঝায় যেগুলো কোন ধরনের কাজ করে, যেমন এআই মডেল, অ্যাপ্লিকেশন বা সার্ভারলেস ফাংশন।
|
||||
|
||||
উদাহরণস্বরূপ, আমরা ক্লাউডে একটি ইমেজ ক্লাসিফায়ার প্রশিক্ষণ দিতে পারি, তারপর ক্লাউড থেকে এটি একটি Edge ডিভাইসে স্থাপন করি। আমাদের আইওটি ডিভাইস তারপর ইন্টারনেটে ছবি পাঠানোর পরিবর্তে Edge ডিভাইসে ইমেজ পাঠায় শ্রেণীবিন্যাসের জন্য। যদি আমাদের মডেলের পরিবর্তন বা উন্নয়ন প্রয়োজন হয়, তাহলে আমরা এটিকে ক্লাউডে প্রশিক্ষণ দিতে পারি এবং আইওটি Edge ব্যবহার করে Edge ডিভাইসে মডেলটিকে আমরা আপডেট করতে পারি।
|
||||
|
||||
> 🎓 IoT Edge- এ যে সফটওয়্যারটি মোতায়েন করা হয় তা *মডিউল* নামে পরিচিত। ডিফল্টরূপে IoT Edge মডিউল চালায় যা IoT Hub- এর সাথে যোগাযোগ করে, যেমন `edgeAgent` এবং` edgeHub` মডিউল। যখন আমরা একটি ইমেজ ক্লাসিফায়ার স্থাপন করি, এটি একটি অতিরিক্ত মডিউল হিসাবে স্থাপন করা হয়।
|
||||
|
||||
আইওটি Edge আইওটি হাবের মধ্যেই তৈরি করা হয়েছে, তাই আমরা একই স্তরের সুরক্ষা সহ আইওটি ডিভাইসগুলি পরিচালনা করতে যে পরিষেবাটি ব্যবহার করি, সেই একই সার্ভিস দিয়ে আমরা Edge ডিভাইসগুলি পরিচালনা করতে পারি।
|
||||
|
||||
আইওটি Edge *কনটেইনার* থেকে কোড চালায় - এটি স্বয়ংসম্পূর্ণ অ্যাপ্লিকেশন যা আমাদের কম্পিউটারে বাকি অ্যাপ্লিকেশন থেকে বিচ্ছিন্নভাবে চালানো হয়। যখন আমরা একটি কন্টেইনার চালাই তখন এটি আমাদের কম্পিউটারের ভিতরে একটি পৃথক কম্পিউটারের মতো কাজ করে, যার নিজস্ব সফ্টওয়্যার, পরিষেবা এবং অ্যাপ্লিকেশনগুলি চলছে। বেশিরভাগ সময় কনটেইনার আমাদের কম্পিউটারে কিছু অ্যাক্সেস করতে পারে না যতক্ষণ না আমরা কন্টেইনারের সাথে একটি ফোল্ডারের মতো জিনিস ভাগ করা বেছে নেই। কন্টেইনার তারপর একটি খোলা পোর্টের মাধ্যমে সার্ভিসগুলি প্রকাশ করে যা আমরা আমাদের নেটওয়ার্কে সংযোগ করতে বা প্রকাশ করতে পারি।
|
||||
|
||||
|
||||
|
||||
উদাহরণস্বরূপ, আমরা পোর্ট 80, ডিফল্ট HTTP পোর্টে চলমান একটি ওয়েব সাইটকে একটি কন্টেইনার রাখতে পারি এবং আমরা এটি আমাদের কম্পিউটার থেকে পোর্ট 80 তেও প্রকাশ করতে পারি।
|
||||
|
||||
✅ কিছু গবেষণা করি: Docker বা Moby এর মতো সার্ভিস এবং কন্টেইনার সম্পর্কে আরো পড়ি।
|
||||
|
||||
আমরা ইমেজ ক্লাসিফায়ার ডাউনলোড করার জন্য কাস্টম ভিশন ব্যবহার করতে পারি এবং সেগুলোকে কনটেইনার হিসেবে স্থাপন করতে পারি, হয় সরাসরি কোনো ডিভাইসে চালানো অথবা আইওটি Edge এর মাধ্যমে মোতায়েন করা যেতে পারে। একবার একটা কন্টেইনার চলতে থাকলে, ক্লাউড সংস্করণের মতো একই REST API ব্যবহার করে এটি একসেস করা যেতে পারে, তবে endpoint টি কন্টেইনার চালানোর জন্য Edge ডিভাইসের দিকে নির্দেশ করে।
|
||||
|
||||
## IoT Edge device রেজিস্টার করা
|
||||
|
||||
একটি আইওটি Edge ডিভাইস ব্যবহার করার জন্য, এটি আইওটি হাব -এ রেজিস্ট্রেশন হওয়া প্রয়োজন।
|
||||
|
||||
### Task - IoT Edge device রেজিস্টার করা
|
||||
|
||||
1. `fruit-quality-detector` রিসোর্স গ্রুপে আইওটি হাব তৈরী করি। এটাকে ইউনিক একটা নাম দেয়া যেতে পারে, যেমনঃ `fruit-quality-detector`
|
||||
|
||||
1. একটি IoT Edge device রেজিস্ট্রেশন করি, নাম দিই `fruit-quality-detector-edge`। এটি করার কমান্ডটি একটি non-edge ডিভাইস নিবন্ধনের জন্য ব্যবহৃত কমান্ডের অনুরূপ, তবে `--edge-enabled` ফ্ল্যাগটি পাস করা যাবেনা।
|
||||
|
||||
```sh
|
||||
az iot hub device-identity create --edge-enabled \
|
||||
--device-id fruit-quality-detector-edge \
|
||||
--hub-name <hub_name>
|
||||
```
|
||||
|
||||
`<hub_name>` এর স্থলে আমাদের আইওটি হাবের নাম বসাই।
|
||||
|
||||
1. নিম্নলিখিত কমান্ড ব্যবহার করে আমাদের ডিভাইসের জন্য সংযোগ স্ট্রিং নিই:
|
||||
|
||||
```sh
|
||||
az iot hub device-identity connection-string show --device-id fruit-quality-detector-edge \
|
||||
--output table \
|
||||
--hub-name <hub_name>
|
||||
```
|
||||
|
||||
`<hub_name>` এর স্থলে আমাদের আইওটি হাবের নাম বসাই।
|
||||
|
||||
আউটপুটে দেখানো কানেকশন স্ট্রিং এর কপি রাখি।
|
||||
|
||||
## IoT Edge device সেটাপ করা
|
||||
|
||||
একবার IoT হাব এ এজ ডিভাইস রেজিস্ট্রেশন তৈরি করে নিলে, আমরা এজ ডিভাইস সেট আপ করতে পারবো।
|
||||
|
||||
### Task - Install and start the IoT Edge Runtime
|
||||
|
||||
**IoT Edge runtime কেবল Linux container এ রান করে।** এটি লিনাক্সে চলবে অথবা লিনাক্স ভার্চুয়াল মেশিন ব্যবহার করে উইন্ডোজে চালানো যাবে।
|
||||
|
||||
* আমরা যদি আমাদের আইওটি ডিভাইস হিসাবে রাস্পবেরি পাই ব্যবহার করি, তাহলে এটি লিনাক্সের একটি সাপোর্টেড সংস্করণ চালায় এবং আইওটি Edge রানটাইম হোস্ট করতে পারে। এক্ষেত্রে আমরা [Microsoft docs এর লিনাক্স গাইডের জন্য Azure আইওটি Edge ইনস্টলেশন](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) পড়ে দেখতে পারি।
|
||||
|
||||
> 💁 মনে রাখতে হবে, রাস্পবেরি পাই ওএস ডেবিয়ান লিনাক্সের একটি রূপ।
|
||||
|
||||
* আমরা যদি রাস্পবেরি পাই ব্যবহার না করি, কিন্তু একটি লিনাক্স কম্পিউটার থাকে, তাহলে আমরা IoT Edge রানটাইম চালাতে পারবো। এক্ষেত্রে আমরা [লিনাক্স গাইডের জন্য Azure আইওটি এজ ইনস্টলেশন](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) পড়ে দেখতে পারি।
|
||||
|
||||
* উইন্ডোজে আমরা IoT Edge runtime ইন্সটল করতে পারি Linux Virtual Machine ব্যবহার করে, যার জন্য [উইন্ডোজে IoT Edge runtime পরিচালনা ](https://docs.microsoft.com/azure/iot-edge/quickstart?WT.mc_id=academic-17441-jabenn#install-and-start-the-iot-edge-runtime) পড়তে পারি। *Deploy a module* সেকশনে যাওয়ার পর কাজ বন্ধ করতে হবে।
|
||||
|
||||
* macOS ব্যবহারকারী হল্র ক্লাউডে virtual machine (VM) তৈরী করতে পারি। IoT Edge িন্সটল করা লিনাক্স ভিএম আমরা ডেপ্লয় করতে পারি। এজন্য [IoT Edge এর জন্য ভার্চুয়াল মেশিন](vm-iotedge.md) পড়ে দেখতে পারি।
|
||||
|
||||
## মডেল এক্সপোর্ট করা
|
||||
|
||||
Edge এ ক্লাসিফায়ার চালানোর জন্য, এটি কাস্টম ভিশন থেকে এক্সপোর্ট করতে হবে। কাস্টম ভিশন দুই ধরণের মডেল তৈরি করতে পারে - স্ট্যান্ডার্ড মডেল এবং কমপ্যাক্ট মডেল। কম্প্যাক্ট মডেলগুলি মডেলের আকার কমাতে বিভিন্ন কৌশল ব্যবহার করে, এটি আইওটি ডিভাইসে ডাউনলোড এবং মোতায়েনের জন্য যথেষ্ট ছোট করে তোলে।
|
||||
|
||||
যখন আমরা ইমেজ ক্লাসিফায়ার তৈরি করি, তখন আমরা *Food* ডোমেইন ব্যবহার করেছিলাম, মডেলটির একটি সংস্করণ যা Food ইমেজগুলিতে প্রশিক্ষণের জন্য অপ্টিমাইজ করা হয়েছে। কাস্টম ভিশনে, আমরা আমাদের প্রকল্পের ডোমেইন পরিবর্তন করতে, আমাদের প্রশিক্ষণ তথ্য ব্যবহার করে নতুন ডোমেনের সাথে একটি নতুন মডেলকে প্রশিক্ষণ দিতে হবে। কাস্টম ভিশন দ্বারা সমর্থিত সমস্ত ডোমেইন স্ট্যান্ডার্ড এবং কমপ্যাক্ট হিসাবে পাওয়া যায়।
|
||||
|
||||
### কাজ - মডেলটিকে Food (compact) domain এ ট্রেইনিং প্রদান
|
||||
|
||||
1. Custom Vision portal এ যাওয়ার জন্য [CustomVision.ai](https://customvision.ai) তে ক্লিক করি এবং সাইন ইন করে নিই যদি আগে থেকে সাইন ইন করা না থাকে। এখন `fruit-quality-detector` প্রজেক্টটি চালু করি।
|
||||
|
||||
1. এখন **Settings** সিলেক্ট করি (এই ⚙ চিহ্ন)
|
||||
|
||||
1. *Domains* লিস্ট থেকে, নির্বাচন করি *Food (compact)*
|
||||
|
||||
1. তারপর *Export Capabilities* থেকে *Basic platforms (Tensorflow, CoreML, ONNX, ...)* সিলেক্ট করি।
|
||||
|
||||
1. Settings পেইজের একদম নীচে থাকা **Save Changes** এ সিলেক্ট করি।
|
||||
|
||||
1. এখন **Train** এ ক্লিক করে, *Quick training* অপশনটি নির্বাচন করে মডেলকে ট্রেইন করি।
|
||||
|
||||
### Task - মডেল এক্সপোর্ট করা
|
||||
|
||||
মডেলটি একবার ট্রেইন হয়ে গেলে কন্টেইনার সহ এক্সপোর্ট করতে হবে।
|
||||
|
||||
1. **Performance** ট্যাবে গিয়ে কম্প্যাক্ট ডোমেইনের গত ইটারেশন টি তে যাই।
|
||||
|
||||
1. সেখানে উপরের দিকে **Export** বাটনে ক্লিক করি।
|
||||
|
||||
1. **DockerFile** সিলেক্ট করি, তারপর আমাদের Edge ডিভাইসের সাথে মিলে এমন একটি ভার্সন নির্বাচন করি:
|
||||
|
||||
* Linux computer, Windows computer বা Virtual Machine এ IoT Edge ব্যবহার করলে, *Linux* ভার্সনটি সিলেক্ট করি।
|
||||
* Raspberry Pi এ IoT Edge ব্যবহার করলে , *ARM (Raspberry Pi 3)* ভার্সনটি সিলেক্ট করি।
|
||||
|
||||
> 🎓 Docker হলো কনটেইনার পরিচালনার জন্য সবচেয়ে জনপ্রিয় ট্যুলগুলির মধ্যে একটি এবং ডকার ফাইল হল কন্টেইনার সেট আপ করার জন্য নির্দেশাবলীর একটি সেট।
|
||||
|
||||
1. এবার **Export** এ ক্লিক করলে Custom Vision এর প্রয়োজনীয় ফাইলগুলি তৈরী হয়ে যাবে। তারপর **Download** এ ক্লিক করে জিপ ফাইল আকারে এগুলো ডাউনলোড করি।
|
||||
|
||||
1. কম্পিউটারে সেভ করার পর ফোল্ডারটি unzip করি।
|
||||
|
||||
## ডেপ্লয়মেন্টের জন্য কন্টেইনার প্রস্তুতকরণ
|
||||
|
||||
|
||||
|
||||
একবার মডেলটি ডাউনলোড করার পরে, এটি একটি কনটেইনার বিল্ড করা প্রয়োজন, তারপর একটি কনটেইনার রেজিস্ট্রিতে পুশ করতে হবে - যা একটি অনলাইন স্টোরেজ যেখানে আমরা তা সংরক্ষণ করতে পারি। IoT Edge তারপর রেজিস্ট্রি থেকে কন্টেইনারটি ডাউনলোড করে আমাদের ডিভাইসে পুশ করতে পারবে।
|
||||
|
||||
|
||||
|
||||
এই পাঠের জন্য যে কন্টেইনার রেজিস্ট্রি ব্যবহার করব তা হল Azure Container Registry। এটি কোন ফ্রী সার্ভিস নয়, তাই অর্থের অপচয় রোধ করার জন্য কাজ শেষ হওয়ার পর আমাদেরকে [clean up your project](../../../clean-up.md) অনুসরণ করে এটি বন্ধ করে দিতে হবে।
|
||||
|
||||
> 💁 Azure Container Registry ব্যবহারের খরচ আমরা [Azure Container Registry pricing page](https://azure.microsoft.com/pricing/details/container-registry/?WT.mc_id=academic-17441-jabenn) থেকে দেখতে পারি ।
|
||||
|
||||
### কাজ - Docker ইন্সটল করা
|
||||
|
||||
ক্লাসিফায়ার বিল্ড এবং ডেপলয় করার জন্য আমাদেরকে [Docker](https://www.docker.com/) ইন্সটল করে রাখতে হবে।
|
||||
|
||||
1. [Docker install page](https://www.docker.com/products/docker-desktop) থেকে দেখে নিই কীভাবে এটি ইন্সটল করতে হবে।
|
||||
|
||||
### কাজ - container registry resource তৈরী
|
||||
|
||||
1. Azure Container Registry resource তৈরীর জন্য টার্মিনাল বা কমান্ড প্রম্পট থেকে নীচের কমান্ড রান দিই:
|
||||
|
||||
```sh
|
||||
az acr create --resource-group fruit-quality-detector \
|
||||
--sku Basic \
|
||||
--name <Container registry name>
|
||||
```
|
||||
|
||||
`<Container registry name>` এর স্থলে একটি ইউনিক নাম দিই কেবল অক্ষর ও সংখ্যা ব্যবহার করে। এক্ষেত্রে `fruitqualitydetector`এর কাছাকাছি কোন নাম দেয়াই সমীচীন হবে। কন্টেইনার রেজিস্ট্রি তে একসেস করার জন্য URL এর একটি অংশে এই নাম ব্যবহৃত হবে। তাই নামটিকে ইউনিক হতে হবে।
|
||||
|
||||
1. নিম্নের কমান্ড ব্যবহার করে Azure Container Registry তে লগিন করি:
|
||||
|
||||
```sh
|
||||
az acr login --name <Container registry name>
|
||||
```
|
||||
|
||||
`<Container registry name>` এর স্থলে কন্টেনার রেজিস্ট্রি এর নাম বসাই
|
||||
|
||||
1. Container registry টি admin mode এ সেট করি যাতে পাসওয়ার্ড সেট করা যায়ঃ
|
||||
|
||||
```sh
|
||||
az acr update --admin-enabled true \
|
||||
--name <Container registry name>
|
||||
```
|
||||
|
||||
`<Container registry name>` এর স্থলে কন্টেনার রেজিস্ট্রি এর নাম বসাই।
|
||||
|
||||
1. নিম্নের কমান্ড দিয়ে পাসওয়ার্ড সেট করি:
|
||||
|
||||
```sh
|
||||
az acr credential renew --password-name password \
|
||||
--output table \
|
||||
--name <Container registry name>
|
||||
```
|
||||
|
||||
`<Container registry name>` এর স্থলে কন্টেনার রেজিস্ট্রি এর নাম বসাই
|
||||
|
||||
`PASSWORD` এর ভ্যালুটি কপি করে কোথাও সংরক্ষণ করে রাখি কেননা পরে এটির প্রয়োজন হবে
|
||||
|
||||
### কাজ - কন্টেইনার তৈরী করা
|
||||
|
||||
আমরা কাস্টম ভিশন থেকে যা ডাউনলোড করেছিলাম তা একটি ডকারফাইল যা কন্টেইনারটি কীভাবে তৈরি করা উচিত তার নির্দেশাবলী, অ্যাপ্লিকেশন কোড সহ কাস্টম ভিশন মডেল হোস্ট করার প্রয়োজনীয় ফাইল এবং REST API রয়েছে। আমরা DockerFile থেকে একটি ট্যাগযুক্ত কন্টেইনার তৈরি করতে Docker ব্যবহার করতে পারি, তারপর কন্টেইনার রেজিস্ট্রিতে এটি পুশ করে দিই।
|
||||
|
||||
> 🎓 কনটেইনারগুলিকে একটি ট্যাগ দেওয়া হয় যা তাদের জন্য একটি নাম এবং সংস্করণ নির্ধারণ করে। যখন একটি কন্টেইনার আপডেট করার প্রয়োজন তখন আমরা এটি একই ট্যাগ দিয়ে তৈরি করতে পারি কিন্তু ভিন্ন ভার্সনে।
|
||||
|
||||
1. টার্মিনাল বা কমান্ড প্রম্পট থেকে ন্যাভিগেট করে কা্সটম ভিশনের unzipped model এ যাই।
|
||||
|
||||
1. নিম্নের কমান্ড দিয়ে ইমেজগুলো বিল্ড এবং ট্যাগ করি:
|
||||
|
||||
```sh
|
||||
docker build --platform <platform> -t <Container registry name>.azurecr.io/classifier:v1 .
|
||||
```
|
||||
|
||||
এখন `<platform>` এর স্থলে যে প্লাটফর্মে কন্টেইনার রান করবে, সেটি দিই। রাস্পবেরি পাই হলে `linux/arm64`, য়ার অন্যসব কিছুতেই `linux/amd64` দিতে হবে।
|
||||
|
||||
> 💁 একই ডিভাইস থেকে IoT Edge চালানো এবং এই কমান্ডঅগুলো রান করা হলে, `--platform <platform>` অংশটি বাদ দেয়া যেতে পারে কেননা ডিফল্ট হিসেবে এটি কমান্ড চলমান ডিভাইস্টিকে সিলেক্ট করে রাখে।
|
||||
|
||||
`<Container registry name>` এর স্থলে কন্টেনার রেজিস্ট্রি এর নাম বসাই
|
||||
|
||||
> 💁 লিনাক্স ব্যবহারকারী করে হলে, এই কমান্ড রান করার জন্য `sudo` যোগ করতে হতে পারে।
|
||||
|
||||
Docker এখানে ইমেজ তৈরি করবে, প্রয়োজনীয় সব সফটওয়্যার কনফিগার করবে। তারপর ছবিটি `classifier:v1` হিসেবে ট্যাগ করা হবে।
|
||||
|
||||
```output
|
||||
➜ d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker build --platform linux/amd64 -t fruitqualitydetectorjimb.azurecr.io/classifier:v1 .
|
||||
[+] Building 102.4s (11/11) FINISHED
|
||||
=> [internal] load build definition from Dockerfile
|
||||
=> => transferring dockerfile: 131B
|
||||
=> [internal] load .dockerignore
|
||||
=> => transferring context: 2B
|
||||
=> [internal] load metadata for docker.io/library/python:3.7-slim
|
||||
=> [internal] load build context
|
||||
=> => transferring context: 905B
|
||||
=> [1/6] FROM docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
|
||||
=> => resolve docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
|
||||
=> => sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda 27.15MB / 27.15MB
|
||||
=> => sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9 2.77MB / 2.77MB
|
||||
=> => sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8 10.06MB / 10.06MB
|
||||
=> => sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6 1.86kB / 1.86kB
|
||||
=> => sha256:44073386687709c437586676b572ff45128ff1f1570153c2f727140d4a9accad 1.37kB / 1.37kB
|
||||
=> => sha256:3d94f0f2ca798607808b771a7766f47ae62a26f820e871dd488baeccc69838d1 8.31kB / 8.31kB
|
||||
=> => sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41 233B / 233B
|
||||
=> => sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f 2.64MB / 2.64MB
|
||||
=> => extracting sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda
|
||||
=> => extracting sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9
|
||||
=> => extracting sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8
|
||||
=> => extracting sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41
|
||||
=> => extracting sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f
|
||||
=> [2/6] RUN pip install -U pip
|
||||
=> [3/6] RUN pip install --no-cache-dir numpy~=1.17.5 tensorflow~=2.0.2 flask~=1.1.2 pillow~=7.2.0
|
||||
=> [4/6] RUN pip install --no-cache-dir mscviplib==2.200731.16
|
||||
=> [5/6] COPY app /app
|
||||
=> [6/6] WORKDIR /app
|
||||
=> exporting to image
|
||||
=> => exporting layers
|
||||
=> => writing image sha256:1846b6f134431f78507ba7c079358ed66d944c0e185ab53428276bd822400386
|
||||
=> => naming to fruitqualitydetectorjimb.azurecr.io/classifier:v1
|
||||
```
|
||||
|
||||
### কাজ - কন্টেইনারকে কন্টেইনার রেজিস্ট্রিতে পুশ করা
|
||||
|
||||
1. কন্টেইনারকে কন্টেইনার রেজিস্ট্রিতে পুশ করার জন্য নিম্নের কমান্ড রান দিই:
|
||||
|
||||
```sh
|
||||
docker push <Container registry name>.azurecr.io/classifier:v1
|
||||
```
|
||||
|
||||
`<Container registry name>` এর স্থলে কন্টেনার রেজিস্ট্রি এর নাম বসাই
|
||||
|
||||
> 💁 লিনাক্স ব্যবহারকারী করে হলে, এই কমান্ড রান করার জন্য `sudo` যোগ করতে হতে পারে।
|
||||
|
||||
কন্টেইনারটি পুশ হয়ে যাবে।
|
||||
|
||||
```output
|
||||
➜ d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker push fruitqualitydetectorjimb.azurecr.io/classifier:v1
|
||||
The push refers to repository [fruitqualitydetectorjimb.azurecr.io/classifier]
|
||||
5f70bf18a086: Pushed
|
||||
8a1ba9294a22: Pushed
|
||||
56cf27184a76: Pushed
|
||||
b32154f3f5dd: Pushed
|
||||
36103e9a3104: Pushed
|
||||
e2abb3cacca0: Pushed
|
||||
4213fd357bbe: Pushed
|
||||
7ea163ba4dce: Pushed
|
||||
537313a13d90: Pushed
|
||||
764055ebc9a7: Pushed
|
||||
v1: digest: sha256:ea7894652e610de83a5a9e429618e763b8904284253f4fa0c9f65f0df3a5ded8 size: 2423
|
||||
```
|
||||
|
||||
1. Push ঠিকমত হয়েছে কিনা তা ভেরিফাই করার জন্য কন্টেইনারের লিস্ট দেখতে পারি:
|
||||
|
||||
```sh
|
||||
az acr repository list --output table \
|
||||
--name <Container registry name>
|
||||
```
|
||||
|
||||
`<Container registry name>` এর স্থলে কন্টেনার রেজিস্ট্রি এর নাম বসাই
|
||||
|
||||
```output
|
||||
➜ d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux az acr repository list --name fruitqualitydetectorjimb --output table
|
||||
Result
|
||||
----------
|
||||
classifier
|
||||
```
|
||||
|
||||
ক্লাসিফায়ারের লিস্ট চলে আসবে।
|
||||
|
||||
## কন্টেইনার ডেপ্লয় করা
|
||||
|
||||
কন্টেইনার এখন আইওটি এজ ডিভাইসে স্থাপন করা যেতে পারে। ডেপ্লয় করার জন্য একটি deployment manifest কে ডিফাইন করতে হবে - এটি একটি JSON ডকুমেন্ট যা Edgeডিভাইসে মডিউলগুলি তালিকাভুক্ত করে।
|
||||
|
||||
### কাজ - deployment manifest তৈরী করা
|
||||
|
||||
1. আমাদের কম্পিউটারে `deployment.json` নামে একটি ফাইল তৈরী করি।
|
||||
|
||||
1. নিম্নের অংশটুকু সেই ফাইলে যোগ করি:
|
||||
|
||||
```json
|
||||
{
|
||||
"content": {
|
||||
"modulesContent": {
|
||||
"$edgeAgent": {
|
||||
"properties.desired": {
|
||||
"schemaVersion": "1.1",
|
||||
"runtime": {
|
||||
"type": "docker",
|
||||
"settings": {
|
||||
"minDockerVersion": "v1.25",
|
||||
"loggingOptions": "",
|
||||
"registryCredentials": {
|
||||
"ClassifierRegistry": {
|
||||
"username": "<Container registry name>",
|
||||
"password": "<Container registry password>",
|
||||
"address": "<Container registry name>.azurecr.io"
|
||||
}
|
||||
}
|
||||
}
|
||||
},
|
||||
"systemModules": {
|
||||
"edgeAgent": {
|
||||
"type": "docker",
|
||||
"settings": {
|
||||
"image": "mcr.microsoft.com/azureiotedge-agent:1.1",
|
||||
"createOptions": "{}"
|
||||
}
|
||||
},
|
||||
"edgeHub": {
|
||||
"type": "docker",
|
||||
"status": "running",
|
||||
"restartPolicy": "always",
|
||||
"settings": {
|
||||
"image": "mcr.microsoft.com/azureiotedge-hub:1.1",
|
||||
"createOptions": "{\"HostConfig\":{\"PortBindings\":{\"5671/tcp\":[{\"HostPort\":\"5671\"}],\"8883/tcp\":[{\"HostPort\":\"8883\"}],\"443/tcp\":[{\"HostPort\":\"443\"}]}}}"
|
||||
}
|
||||
}
|
||||
},
|
||||
"modules": {
|
||||
"ImageClassifier": {
|
||||
"version": "1.0",
|
||||
"type": "docker",
|
||||
"status": "running",
|
||||
"restartPolicy": "always",
|
||||
"settings": {
|
||||
"image": "<Container registry name>.azurecr.io/classifier:v1",
|
||||
"createOptions": "{\"ExposedPorts\": {\"80/tcp\": {}},\"HostConfig\": {\"PortBindings\": {\"80/tcp\": [{\"HostPort\": \"80\"}]}}}"
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
},
|
||||
"$edgeHub": {
|
||||
"properties.desired": {
|
||||
"schemaVersion": "1.1",
|
||||
"routes": {
|
||||
"upstream": "FROM /messages/* INTO $upstream"
|
||||
},
|
||||
"storeAndForwardConfiguration": {
|
||||
"timeToLiveSecs": 7200
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
> 💁 এই ফাইলটি [code-deployment/deployment](code-deployment/deployment) folder এ পাওয়া যাবে।
|
||||
|
||||
৩টি `<Container registry name>` এর জায়গায় আমাদের ব্যবহৃত container registry এর নাম বসাই। ১টি `ImageClassifier` মডিউলে, বাকি ২টি `registryCredentials` অংশে রয়েছে।
|
||||
|
||||
এখন `<Container registry password>` অংশের `registryCredentials` সেকশনে পাসওয়ার্ড দিই।
|
||||
|
||||
1. যে ফোল্ডারে deployment manifest রয়েছে সেখানে নিম্নের কমান্ড রান করি:
|
||||
|
||||
```sh
|
||||
az iot edge set-modules --device-id fruit-quality-detector-edge \
|
||||
--content deployment.json \
|
||||
--hub-name <hub_name>
|
||||
```
|
||||
|
||||
`<hub_name>` এর স্থলে আমাদের IoT Hub এর নাম বসাই।
|
||||
|
||||
Edge ডিভাইসে ইমেজ ক্লাসিফায়ার মডিউলটি ডেপ্লয় হয়ে যাবে।
|
||||
|
||||
### কাজ - ক্লাসিফায়ারটি চলছে কিনা তা ভেরিফাই করা
|
||||
|
||||
1. IoT edge device এ কানেক্ট করা:
|
||||
|
||||
* Raspberry Pi ব্যবহারকারী হলে, কানেক্ট করতে হবে হয় ssh দিয়ে terminal থেকে থেকে অথবা কোন VS Code থেকে কোন remote SSH session ব্যবহার করে।
|
||||
* উইন্ডোজে Linux container ব্যবহারকারী হলে, [verify successful configuration guide](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge-on-windows?WT.mc_id=academic-17441-jabenn&view=iotedge-2018-06&tabs=powershell#verify-successful-configuration) টি অনুসরণ করতে হবে।
|
||||
* Virtual machine ব্যবহারকারী হলে, `adminUsername` এবং `password` সেট করার সময়ই SSH করে রাখা যায়
|
||||
|
||||
```sh
|
||||
ssh <adminUsername>@<IP address>
|
||||
```
|
||||
|
||||
অথবা:
|
||||
|
||||
```sh
|
||||
ssh <adminUsername>@<DNS Name>
|
||||
```
|
||||
|
||||
পাসওয়ার্ড চাইলে, তা প্রবেশ করাই।
|
||||
|
||||
1. কানেক্ট হয়ে গেলে, IoT Edge module গুলো দেখার জন্য নিম্নের কমান্ড রান দিই :
|
||||
|
||||
```sh
|
||||
iotedge list
|
||||
```
|
||||
|
||||
> 💁 এখানে `sudo` কমান্ড ব্যবহারের প্রয়োজন হতে পারে।
|
||||
|
||||
রানিং মডিউলগুলো দেখা যাবে:
|
||||
|
||||
```output
|
||||
jim@fruit-quality-detector-jimb:~$ iotedge list
|
||||
NAME STATUS DESCRIPTION CONFIG
|
||||
ImageClassifier running Up 42 minutes fruitqualitydetectorjimb.azurecr.io/classifier:v1
|
||||
edgeAgent running Up 42 minutes mcr.microsoft.com/azureiotedge-agent:1.1
|
||||
edgeHub running Up 42 minutes mcr.microsoft.com/azureiotedge-hub:1.1
|
||||
```
|
||||
|
||||
1. Image classifier module এর লগ হিস্টোরি দেখতে নিম্নের কমান্ড রান দিই :
|
||||
|
||||
```sh
|
||||
iotedge logs ImageClassifier
|
||||
```
|
||||
|
||||
> 💁 এই কমান্ড এর সাথে `sudo` ব্যবহারের প্রয়োজন হতে পারে।
|
||||
|
||||
```output
|
||||
jim@fruit-quality-detector-jimb:~$ iotedge logs ImageClassifier
|
||||
2021-07-05 20:30:15.387144: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
|
||||
2021-07-05 20:30:15.392185: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 2394450000 Hz
|
||||
2021-07-05 20:30:15.392712: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x55ed9ac83470 executing computations on platform Host. Devices:
|
||||
2021-07-05 20:30:15.392806: I tensorflow/compiler/xla/service/service.cc:175] StreamExecutor device (0): Host, Default Version
|
||||
Loading model...Success!
|
||||
Loading labels...2 found. Success!
|
||||
* Serving Flask app "app" (lazy loading)
|
||||
* Environment: production
|
||||
WARNING: This is a development server. Do not use it in a production deployment.
|
||||
Use a production WSGI server instead.
|
||||
* Debug mode: off
|
||||
* Running on http://0.0.0.0:80/ (Press CTRL+C to quit)
|
||||
```
|
||||
|
||||
### কাজ - ইমেজ ক্লাসিফায়ার টেস্ট করা
|
||||
|
||||
1. CURL দিয়ে image classifier টেস্ট করা যায় যেখানে IP address বা আমাদের কম্পিউটারের হোস্ট নেইম ব্যবহার করা হবে যেটিতে IoT Edge agent চলমান রয়েছে। IP address খুজে বের করি:
|
||||
|
||||
* IoT Edge যে মেশিনে রান হুচ্ছে সেটি থেকে কাজ করলে, হোস্ট নেম হবে `localhost` ।
|
||||
* VM (ভার্চুয়াল মেশিন) থেকে কাজ করলে IP address অথবা ভিএম এর DNS name দিতে হবে।
|
||||
* অন্যথায় IoT Edge যে মেশিনে চলছে সেটির আইপি এড্রেস জানার অন্য, যা করতে হবে তা হলো:
|
||||
* Windows 10 এ [find your IP address guide](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn) অনুসরণ করি।
|
||||
* macOS হলে [how to find you IP address on a Mac guide](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac) অনুসরণ করি।
|
||||
* linux হলে, [how to find your IP address in Linux guide](https://opensource.com/article/18/5/how-find-ip-address-linux) থেকে প্রাইভেট এড্রেসের অংশটি অনুসরণ করি।
|
||||
|
||||
1. কন্টেইনারকে লোকাল ফাইল দিয়ে টেস্ট করতে নীচের curl কমান্ড ব্যবহার করি:
|
||||
|
||||
```sh
|
||||
curl --location \
|
||||
--request POST 'http://<IP address or name>/image' \
|
||||
--header 'Content-Type: image/png' \
|
||||
--data-binary '@<file_Name>'
|
||||
```
|
||||
|
||||
`<IP address or name>` এর জায়গায় আমাদের IP address বা host name দিই যেটি থেকে IoT Edge চলছে এবং `<file_Name>` ঙ্গের জায়গায় যে ফাইল দিয়ে টেস্ট করা হবে, সেটির নাম দিই।
|
||||
|
||||
আউটপুটে প্রেডিকশন রেজাল্ট দেখা যাবে।
|
||||
|
||||
```output
|
||||
{
|
||||
"created": "2021-07-05T21:44:39.573181",
|
||||
"id": "",
|
||||
"iteration": "",
|
||||
"predictions": [
|
||||
{
|
||||
"boundingBox": null,
|
||||
"probability": 0.9995615482330322,
|
||||
"tagId": "",
|
||||
"tagName": "ripe"
|
||||
},
|
||||
{
|
||||
"boundingBox": null,
|
||||
"probability": 0.0004384400090202689,
|
||||
"tagId": "",
|
||||
"tagName": "unripe"
|
||||
}
|
||||
],
|
||||
"project": ""
|
||||
}
|
||||
```
|
||||
|
||||
> 💁 এখানে একটি প্রেডিকশন কী (key) সরবরাহ করার প্রয়োজন নেই, কারণ এটি Azure রিসোর্স ব্যবহার করছে না। পাবলিক এন্ডপয়েন্ট এবং এপিআই কী (key) -এর উপর নির্ভর না করে, এর পরিবর্তে অভ্যন্তরীণ নিরাপত্তার প্রয়োজনের ভিত্তিতে অভ্যন্তরীণ নেটওয়ার্কে নিরাপত্তা কনফিগার করা হবে।
|
||||
|
||||
## আমাদের IoT Edge device ব্যবহার করা
|
||||
|
||||
এখন যেহেতু ইমেজ ক্লাসিফায়ার একটি আইওটি এজ ডিভাইসে স্থাপন করা হয়েছে, এটি আমাদের আইওটি ডিভাইস থেকে ব্যবহার করতে পারবো।
|
||||
|
||||
### কাজ - আমাদের IoT Edge device ব্যবহার
|
||||
|
||||
IoT Edge classifier দিয়ে ছবি ক্লাসিফাই করতে, নিম্নের গাইডগুলো অনুসরণ করি:
|
||||
|
||||
* [Arduino - Wio Terminal](../wio-terminal.md)
|
||||
* [Single-board computer - Raspberry Pi/Virtual IoT device](../single-board-computer.md)
|
||||
|
||||
### Model retraining
|
||||
|
||||
IoT Edge- এ ইমেজ ক্লাসিফায়ার চালানোর একটি সমস্যা হল এগুলি কাস্টম ভিশন প্রজেক্টের সাথে সংযুক্ত নয়। যদি কাস্টম ভিশনে **Predictions** ট্যাবটি দেখি, তবে এজ-ভিত্তিক ক্লাসিফায়ার ব্যবহার করে শ্রেণীবদ্ধ করা ছবিগুলি দেখতে পাব না।
|
||||
|
||||
সত্যি বলতে গেলে এটি একেবারে প্রত্যাশিত একটি আচরণ - ছবিগুলি ক্লাউডে শ্রেণিবিন্যাসের জন্য পাঠানো হয় না, তাই সেগুলি ক্লাউডে পাওয়া যাবে না। আইওটি এজ ব্যবহার করার একটি সুবিধা হল গোপনীয়তা, নিশ্চিত করা যে ছবিগুলি আমাদের নেটওয়ার্ক এর বাইরে যাবেনা। আবার এটি অফলাইনে কাজ করতে সক্ষম হচ্ছে, তাই যখন ডিভাইসে ইন্টারনেট সংযোগ নেই তখন ছবি আপলোড করার উপর নির্ভর করে না। নেতিবাচক দিকটি হলো যে আমাদের মডেলের উন্নতি ঠিকমত হচ্ছেনা - আমাদেরকে ইমেজ ক্লাসিফায়ারের উন্নতি এবং পুনরায় প্রশিক্ষণের জন্য ম্যানুয়ালি পুনরায় ক্লাসিফাই করা যায় এমন ছবি সংরক্ষণের অন্য উপায় বাস্তবায়ন করতে হবে।
|
||||
|
||||
|
||||
✅ ক্লাসিফায়ার পুনরায় প্রশিক্ষণ দেওয়ার জন্য ছবি আপলোড করার উপায় সম্পর্কে চিন্তা করি।
|
||||
|
||||
---
|
||||
|
||||
## 🚀 চ্যালেঞ্জ
|
||||
|
||||
Edge ডিভাইসে AI মডেল চালানো ক্লাউডের তুলনায় দ্রুততর হতে পারে - কারণ সেখানে network hop ছোট । তবে হার্ডওয়্যার এর ফলে তা ধীরও হতে পারে ,আর তাই মডেলটি ক্লাউডের মতো শক্তিশালী নাও হতে পারে।
|
||||
|
||||
সময়ক্ষেপন এর নোট নিই এবং তুলনা করি আমাদের Edge ডিভাইসে কাজ, ক্লাউডে কাজ করার চেয়ে দ্রুত বা ধীর - কোনটি ঘটে? পার্থক্য এর কারণ, বা পার্থক্য না থাকলে সেটি সম্পর্কে চিন্তা করি। বিশেষ হার্ডওয়্যার ব্যবহার করে Edge ডিভাইসে এআই মডেলগুলি দ্রুত চালানোর উপায়গুলি গবেষণা করি।
|
||||
|
||||
|
||||
## লেকচার-পরবর্তী কুইজ
|
||||
|
||||
[লেকচার-পরবর্তী কুইজ](https://brave-island-0b7c7f50f.azurestaticapps.net/quiz/34)
|
||||
|
||||
## রিভিউ এবং স্ব-অধ্যয়ন
|
||||
|
||||
* কন্টেইনার সম্পর্কে জানতে পড়তে পারি - [OS-level virtualization page on Wikipedia](https://wikipedia.org/wiki/OS-level_virtualization)
|
||||
* Edge computing সম্পর্কে জানতে হলে, পড়তে পারি - [what is edge computing and why does it matter? article on NetworkWorld](https://www.networkworld.com/article/3224893/what-is-edge-computing-and-how-it-s-changing-the-network.html)
|
||||
* IoT Edge এ চলমান AI service সম্পর্কে জানতে হলে, পড়তে পারি - [learn how to use Azure IoT Edge on a pre-built AI service on the Edge to do language detection episode of Learn Live on Microsoft Channel9](https://channel9.msdn.com/Shows/Learn-Live/Sharpen-Your-AI-Edge-Skills-Episode-4-Learn-How-to-Use-Azure-IoT-Edge-on-a-Pre-Built-AI-Service-on-t?WT.mc_id=academic-17441-jabenn)
|
||||
|
||||
## এসাইনমেন্ট
|
||||
|
||||
[Edge এ বিভিন্ন সার্ভিস পরিচালনা করা](assignment.bn.md)
|
||||
@ -0,0 +1,14 @@
|
||||
# Edge এ বিভিন্ন সার্ভিস পরিচালনা করা
|
||||
|
||||
## নির্দেশাবলী
|
||||
|
||||
Edge এ যে কেবল ইমেজ ক্লাসিফায়ার চালানো যায় তা কিন্তু নয়, বরং যেকোন কাজ যা একটি কন্টেইনারে প্যাকেজ করা যায় তা IoT Edge ডিভাইসে স্থাপন করা যেতে পারে। সার্ভারলেস কোড যা Azure Functions হিসাবে চলে, যেমন আগের লেসনগুলিতে তৈরি ট্রিগারগুলি কন্টেইনারে চালানো যেতে পারে এবং এর জন্য IoT Edge এও তা চলবে।
|
||||
|
||||
পূর্ববর্তী পাঠগুলির মধ্যে একটি বেছে নিই এবং IoT Edge কন্টেইনারে Azure Functions অ্যাপটি চালানোর চেষ্টা করি। কিভাবে একটি ভিন্ন Functions App প্রজেক্ট ব্যবহার করে করা যায় তার জন্য [টিউটোরিয়াল: Azure Functions কে IoT Edge modules হিসেবে ডেপ্লয় করা](https://docs.microsoft.com/azure/iot-edge/tutorial-deploy-function?WT.mc_id=academic-17441-jabenn&view=iotedge-2020-11) দেখতে পারি।
|
||||
|
||||
|
||||
## এসাইনমেন্ট মূল্যায়ন মানদন্ড
|
||||
|
||||
| ক্রাইটেরিয়া | দৃষ্টান্তমূলক (সর্বোত্তম) | পর্যাপ্ত (মাঝারি) | উন্নতি প্রয়োজন (নিম্নমান) |
|
||||
| --------- | ------------------ | -------------- | -------------------- |
|
||||
| Azure Functions কে IoT Edge এ ডেপ্লয় করা | IoT Edge এ একটি Azure Functions App ডেপ্লয় করে, আইওটি ডেটা থেকে ট্রিগার চালানোর জন্য আইওটি ডিভাইসের সাথে এটি ব্যবহার করতে সফল হয়েছিল | IoT Edge এ একটি Functions App স্থাপন করতে সক্ষম হয়েছিল, কিন্তু ট্রিগারটি দিয়ে কাজ সম্পন্ন করতে পারেনি | IoT Edge এ একটি Functions App স্থাপন করতে ব্যার্থ ছিল|
|
||||
|
After Width: | Height: | Size: 361 KiB |
|
After Width: | Height: | Size: 4.4 KiB |
Loading…
Reference in new issue