最近我与微软AI研究团队相遇, 讨论Resnet50原创改编程,关于科学家工作的讨论促使我重新考虑IoT和机器学习之间密不可分的联系
控制环路是物联网基础原理IoT.随时间推移,单继电器合并为状态机器,继而转接器变晶体管IT、消费者和移动部门计算机发光期间,对工厂控机和实验等多例应用不那么光滑ITTT计算机
制造者,人们喜欢在空闲时间实验和建物 购买超过1 250万树莓派s,让他们知道邮递员送信,猫翻猫门次数和地下室漏水简单术语IoT系统无所不在ITTT系统智能余义像无限性 被理解为数学概念 但却无法体验通向数十亿IoT设备路径预测机学习将填补IoT设备解析空白
简单案例农民浇灌作物说明机器学习的作用虚构例子基于我与微软科学家的讨论
水越来越贵过少或过大 作物收成受苦老农可能直觉知道哪些灌溉阀门开机和何时无计算机开机,但农场正越来越多地转向技术管理作物产量土壤湿度传感器可安装在美国数万英亩农田上创建ITTT控制环路,但成本和分辨率如何?农民转向无人机绘制高清晰度图像田间地图以理解作物健康
图像识别是机器学习中最精确子字段机学习模型训练猫非猫 训练模型识别猫精度高90线程百分位数编程模型显示正确土壤湿度田和过少田田,并用相似精度预测田中哪些部分需要加水并信号IoT灌溉系统开关数万英亩安装、维护无线连接土壤湿度传感器将没有必要部分传感器安装到某些田地后,会提供地面真人图像培训模型以最优识别水田
无人机是最新的空基技术 用于检验作物drone部署论坛线解释DJI幻影3无人机可图像约100英亩单电池.文献早在1972年就引用归并差植被指数解释卫星图像NDVI目前被农民使用解释带无人机摄取的作物图像NDVI需要专家解析医学成像使用案例之多,如诊断二维视网膜病,诊断精度与机学习模型眼科师相同或更高,NDVI图像可用高精度模型诊断
部分任务建设这些模型已经用Resnet50完成,可开源许可使用受限向量培训数以万计图像使用开源许可预培训向量提供对图像的固有理解进化网络层可以优化以强调或淡化某些特征提高精度
优化机器学习模型计算成本像所有其他使用案例一样分辨率越低计算成本越低分辨率范围从卫星图片为10m到无人机图像2cm分辨率越低优化精度,无人机飞程时间越短跨田和电池寿命越长
除节省部署iot装置和网络连接的时间和费用外,机器学习可单路确认iot系统有效临界iot设备失灵并报告假条件iot传感器可能无法报告临界条件,如火灾、未经授权人员进门或门左开等,但机器学习模型采样视频馈送可识别临界条件,全为Resnet50或另一卷积网络的适配
苹果脸书与增强现实智能相机相关点,可感知三维空间公司建设并培训机器学习模型,用普通相机检测三维空间,而不是创建专门的深度感应器,提高设备成本并面对消费者使用新手机三年准备时间成像技术成本下降而分辨率提高机器学习硬件越来越快和便宜使用现有图像源或创建新图像源将常被视为iot替代