Smart IoT monitoring and real-time control based on autonomous robots, visual recognition and cloud/edge computing services

Marouane Salhaoui · 2021

In the fourth industrial revolution in which we are immersed, new technologies are being introduced in production processes, such as the use of Unmanned Vehicles (UVs) data collection in large surfaces, and the use of the Industrial Internet of Things (IIoT).The main keys to integrate this new technology in the industry is to face the challenge of making the IT network compatible with its machines, including interoperability, fog and cloud computing, security, decreasing latency and improving data accuracy and quality of service.Smart industrial platforms require multiple synchronized processes that require low latency and higher reliability to achieve the necessary performance.In addition, Artificial Intelligence (AI) methods applied to IIoT must be able to address these issues as well as other parameters such as network deployment and resource management.The issues of high-latency and unreliable links between the cloud and Industrial IoT endpoints are significant challenges.Each fog and edge application may have different latency requirements and may generate different types of data and network traffic.Such generated data can be photos received from an UV system.The latter can be connected to other control system, being used both to perform enhancements and to make decisions based on the captured photos.This type of connection is sensitive in terms of accuracy and latency, as the whole platform must decide quickly and with certainty.One of the solutions to overcome the latency challenge is the fog/edge architecture.This architecture can also be a viable solution regarding the interoperability barrier between interconnected systems.Fog computing extends computation and storage to the edge of the network and presents an effective tool for integrating new complex interconnected processing systems.The constraint of interoperability can be overcome by adopting advanced software deployed in the edge and fog installed in an IoT gateway.This software interacts simultaneously with the different systems involved through different protocols.However, the choice of an IoT gateway is crucial in terms of latency and accuracy, as it is at the heart of processing and transmitting data to the different systems and platforms and considered the interface of junction between the physical level and cloud.The latter also affects performance as it must ensure that data is transferred, processed and returned at speeds that meet the needs of the application.v Smart IoT Monitoring and Real-Time Control Based On Autonomous Robots, Visual Recognition and Cloud/Edge Computing Servicestransfieran, procesen y devuelvan a velocidades que satisfagan las necesidades de la aplicación.Abordamos todos estos retos teniendo en cuenta los protocolos y el software apropiados para la interoperabilidad y las restricciones de conectividad, y analizamos el rendimiento de algunos dispositivos IoT apropiados capaces de proporcionar un tiempo de respuesta mínimo.Los servicios de Deep Learning (DL) pueden desplegarse cerca de los usuarios que los solicitan y la nube solo interviene cuando se requiere un procesamiento adicional, reduciendo significativamente la latencia y el coste de enviar los datos a la nube para su procesamiento.En esta tesis, proponemos enfoques novedosos para resolver el problema de la latencia mediante el despliegue de inteligencia en el borde que empuja los cálculos de DL desde la nube hasta el borde permitiendo varios servicios inteligentes distribuidos, de baja latencia y fiables.La principal ventaja de los enfoques propuestos es la integración de los servicios en la nube en un lazo de control para mejorar la toma de decisiones de una plataforma y el rendimiento de un sistema de control industrial.Los servicios de IA en la nube también se integran en un lazo de control donde interviene un dron como una entrada que ayuda a mejorar la capacidad de monitorización para encontrar y rastrear objetos estacionarios y móviles.En este trabajo, evaluamos la latencia y la precisión de los diferentes sistemas implicados y proponemos un algoritmo inteligente para seleccionar la tecnología de IA adecuada para el escenario a vigilar.Esto resulta crucial para decidir cuál es la mejor fuente de inteligencia artificial que debe utilizarse para alcanzar los objetivos especificados en cada escenario en tiempo real.Los algoritmos inteligentes propuestos ofrecen un compromiso entre latencia y precisión.vi Smart IoT Monitoring and Real-Time Control Based On Autonomous Robots, Visual Recognition and Cloud/Edge Computing Services ‫الملخص‬ ‫في‬ ‫جمع‬ ‫استخدام‬ ‫مثل‬ ، ‫اإلنتاج‬ ‫عمليات‬ ‫في‬ ‫جديدة‬ ‫تقنيات‬ ‫إدخال‬ ‫يتم‬ ، ‫فيها‬ ‫نشارك‬ ‫التي‬ ‫الرابعة‬ ‫الصناعية‬ ‫الثورة‬ ‫الرئيسية‬ ‫المفاتيح‬ ‫تتمثل‬ ‫لألشياء.‬‫الصناعي‬ ‫اإلنترنت‬ ‫واستخدام‬ ، ‫واسعة‬ ‫مناطق‬ ‫في‬ ‫المأهولة‬ ‫غير‬ ‫المركبات‬ ‫بيانات‬ ‫مواجهة‬ ‫في‬ ‫الصناعة‬ ‫في‬ ‫الجديدة‬ ‫التكنولوجيا‬ ‫هذه‬ ‫لدمج‬ ‫متوافقة‬ ‫المعلومات‬ ‫تكنولوجيا‬ ‫شبكة‬ ‫جعل‬ ‫في‬ ‫المتمثل‬ ‫التحدي‬ ‫الزمني‬ ‫التأخير‬ ‫وتقليل‬ ‫واألمن‬ ‫والسحابية‬ ‫الضبابية‬ ‫والحوسبة‬ ‫التشغيلي‬ ‫التوافق‬ ‫إمكانية‬ ‫ذلك‬ ‫في‬ ‫بما‬ ، ‫أجهزتها‬ ‫مع‬ ‫الخدمة‬ ‫وجودة‬ ‫البيانات‬ ‫دقة‬ ‫وتحسين‬ ‫(الكمون)‬ ‫متعددة‬ ‫متزامنة‬ ‫عمليات‬ ‫الذكية‬ ‫الصناعية‬ ‫المنصات‬ ‫تتطلب‬ ‫أعلى‬ ‫وموثوقية‬ ‫منخفض‬ ‫تأخيرزمني‬ ‫تستوجب‬ ‫والتي‬ ، ‫األشياء‬ ‫إنترنت‬ ‫على‬ ‫المطبقة‬ ‫االصطناعي‬ ‫الذكاء‬ ‫أساليب‬ ‫تكون‬ ‫أن‬ ‫يجب‬ ، ‫ذلك‬ ‫إلى‬ ‫باإلضافة‬ ‫الالزم.‬‫األداء‬ ‫لتحقيق‬ ‫الموارد‬ ‫وإدارة‬ ‫الشبكة‬ ‫تثبيت‬ ‫مثل‬ ‫أخرى‬ ‫معلمات‬ ‫إلى‬ ‫باإلضافة‬

Read the paper · More papers on PaperTik