AI-система для IoT (Internet of Things)
Миллиарды IoT-устройств генерируют терабайты данных. Передавать всё в облако — дорого, медленно, небезопасно. AI на edge позволяет принимать решения у источника данных: в сенсоре, шлюзе, или локальном сервере.
Архитектура IoT + AI
Три уровня обработки:
Device Level (MCU): TinyML на STM32, ESP32, Arduino. Простейшие классификаторы, anomaly detection на сырых данных. Потребление <1 Вт.
Edge Level (Gateway): NVIDIA Jetson, Raspberry Pi 5, Intel NUC. Более сложные модели, агрегация с нескольких устройств, локальные решения, частичная отправка в облако.
Cloud Level: исторический анализ, переобучение моделей, complex event processing.
Типовые AI-задачи в IoT
Predictive Maintenance: Вибрационные датчики на оборудовании → edge ML → предсказание отказа за 2–4 недели. LSTM / CNN-1D на временных рядах.
Quality Control: Камера на конвейере → YOLOv8 на Jetson → детекция дефектов в реальном времени. <30 мс latency.
Energy Management: Умные счётчики → edge aggregation → ML оптимизация потребления.
Security: Камеры с on-device face detection → только события (не raw video) в облако.
Протоколы и стандарты
MQTT для lightweight messaging. OPC-UA для промышленного IoT. Matter для consumer smart home. LoRaWAN для дальних расстояний с низким энергопотреблением.
Пайплайн: 8–16 недель
Зависит от числа устройств, типов данных и сложности AI задач.