Revisão Semanal DIPOL - TV e SAT TV, CCTV, WLAN

Treinar modelos de inteligência artificial em dispositivos com tecnologia de ponta utilizando uma pequena quantidade de memória.

Microcontroladores, ou computadores em miniatura que podem executar comandos simples, são a base de bilhões de dispositivos: da Internet das Coisas (IoT) a sensores utilizados ​​em carros. No entanto, microcontroladores de baixo custo e baixa potência têm memória muito limitada e nenhum sistema operacional. Tudo isso torna desafiador treinar modelos de inteligência artificial em "dispositivos de ponta" que operam independentemente dos recursos de computação central. O treino de um modelo de aprendizagem de máquina num dispositivo de borda inteligente permite que este se adapte a novos dados e faça melhores previsões. Por exemplo, treinar um modelo num teclado inteligente pode permitir que ele aprenda continuamente com base em como o utilizador digita. No entanto, o processo de treino requer tanta memória que geralmente é realizado usando computadores poderosos no data center antes que o modelo seja implantado no dispositivo. Isso é mais caro e levanta problemas de privacidade devido à necessidade de transferir dados para um servidor central.

Para resolver esse problema, pesquisadores do MIT e do MIT-IBM Watson AI Lab desenvolveram uma nova técnica que permite treinar num dispositivo usando menos de um quarto de megabyte de memória. Outras soluções de treino para dispositivos em rede podem usar mais de 500 megabytes de memória, excedendo em muito a capacidade de 256 kilobytes da maioria dos microcontroladores (há 1024 kilobytes em um megabyte). A estrutura e os algoritmos inteligentes que os pesquisadores desenvolveram reduzem a quantidade de computação necessária para treinar o modelo, tornando o processo mais rápido e mais eficiente em termos de memória. Essa técnica pode ser usada para treinar um modelo de aprendizagem de máquina num microcontrolador em minutos. Este garante privacidade ao armazenar dados no dispositivo, o que pode ser particularmente benéfico para dados confidenciais, como em aplicações médicas. Também pode permitir que o modelo seja personalizado de acordo com as necessidades dos utilizadores.

Um tipo popular de modelo de aprendizagem de máquina é a rede neural. Esses modelos, vagamente baseados no cérebro humano, contêm camadas de nós ou neurónios interconectados que processam dados para realizar uma tarefa como reconhecer pessoas em fotos. O modelo deve primeiro ser treinado, o que significa mostrar milhões de exemplos para que ele possa escolher as soluções corretas por conta própria. À medida que o modelo aprende, aumenta ou diminui a força das conexões entre os neurónios, que são chamados de pesos. O modelo pode passar por centenas de atualizações à medida que aprende, e as ativações intermediárias devem ser armazenadas durante cada rodada. Como pode haver milhões de pesos e ativações, treinar um modelo requer muito mais memória do que executar um modelo pré-treinado.

Os investigadores testaram a sua estrutura treinando um modelo de visão computacional para detetar pessoas em imagens. Após apenas 10 minutos de treino, este aprendeu a realizar a tarefa com sucesso. A otimização exigiu apenas 157 kilobytes de memória para treinar o modelo de aprendizagem de máquina num microcontrolador, enquanto outras técnicas projetadas para treino leve ainda precisariam de 300 a 600 megabytes. Com este método, o modelo pode ser treinado mais de 20 vezes mais rápido. Agora, os investigadores querem aplicar a técnica a modelos de linguagem e diferentes tipos de dados, como dados de séries temporais. Ao mesmo tempo, eles querem usar o que aprenderam para reduzir o tamanho de modelos maiores sem perder a precisão.

Operação de câmaras de CCTV através do monitor do sistema de vídeo-porteiro Hikvision IP.

Uma câmara embutida no vídeo porteiro geralmente não pode ser apontada para o ponto desejado e o seu campo de visão pode ser obscurecido pelo chamador. Uma solução para isso pode ser a utilização de câmaras do sistema de vigilância existente e adicioná-las ao monitor de vídeo-porteiro. A integração é possível adicionando:

Até 16 câmaras IP podem ser adicionadas ao monitor. Este pode descodificar imagens de câmaras com resolução máxima de 720p com conjunto de compactação H.264. Isso não significa, no entanto, que o monitor não possa ser equipado com câmaras de maior resolução. Por exemplo, se uma câmara de 8 MP for adicionada onde o fluxo principal estiver definido para a resolução máxima e compactação H.265 e o fluxo auxiliar estiver definido para resolução de 640 x 480 com compactação H.264, o monitor descodificará automaticamente o fluxo auxiliar. Se o fluxo principal foi rebaixado para resolução de 720p e a compactação H.264 foi habilitada, o monitor descodificaria o fluxo principal. A adição de câmaras é possível diretamente no nível do monitor ou usando a aplicação cliente iVMS-4200. Para fazer isso, vá para as configurações remotas e depois: Configurações remotas->Intercom->Detalhes da câmara IP.

Sistema SMATV a receber sinais de TV de dois transmissores DVB-T2.

A principal tarefa do instalador era realizar um sistema SMATV para receber 5 multiplexes DVB-T/DVB-T2 de dois transmissores: 4 multiplex de um transmissor local de 100 kW (uma distância de 12 km), 1 multiplex de um transmissor de 50 kW a 50 km de distância, e depois distribuição do sinal numa instalação de TV de cerca de 70 recetores. Para isso, foi utilizado um conjunto de antenas composto por duas antenas DIPOL SMART: amplificador de canal Horizon A2230, City A2010 e Terra PA420T R82516.

Devido à curta distância do local de receção do poderoso transmissor, foi utilizada uma antena DIPOL SMART CITY A2010 a operar em modo passivo para receber os canais do nº 1 transmissor. A antena DIPOL SMART Horizon A2230 a operar em modo ativo foi direcionada para o transmissor distante nº 2. O amplificador de canal PA420T R82516 foi conectado ao conjunto de antenas configurado dessa forma.

Pode ler mais sobre isso aqui

Porquê usar o cabo de par trançado externo?

Os cabos de telecomunicações externos geralmente têm uma bainha feita de polietileno (PE). Este material é mais resistente e possui maior resistência mecânica que o policloreto de vinila (PVC) utilizado em cabos internos. O que também é importante, este material é muito mais resistente aos raios UV, portanto, a vida útil dos cabos externos expostos à luz solar é muito maior em comparação com os cabos internos a operar nas mesmas condições.

O vídeo abaixo mostra o problema típico do uso de cabo revestido de PVC para conectar uma antena externa a um router. O cabo colocado ao longo da fachada, exposto a altas e baixas temperaturas, bem como à luz do sol e à chuva, racha depois de vários anos. Depois, a água entra e, após um curto período de tempo, devido à força gravitacional, "flui" para o router. Obviamente, isso pode danificar o próprio router e, em caso de grande acúmulo de água na área do router, danificar outros elementos, como móveis.

A DIPOL oferece os seguintes tipos de cabos de pares trançados externos:

10 Gbps através de uma fibra ótica.

Provedores de Internet que constroem as suas redes em uma área maior ou dependem parcialmente da infraestrutura de operadoras maiores estão interessados ​​no uso ideal de fibras óticas. Aqui, os módulos SFP, usando uma em vez de duas fibras para transmissão, ajudam.

A velocidade de 10 Gbps tornou-se um padrão em links de backbone mesmo para operadoras menores. Os módulos SFP+ Ultimode L1430 e L1432 possibilitam a configuração desse link usando uma fibra monomodo. Os módulos operam em comprimentos de onda de 1270 nm e 1330 nm, ou seja, a segunda janela de transmissão, a mais segura em termos de problemas de instalação (emendas mal feitas, dobras de fibra, etc.).

Como alimentar uma câmara e um microfone de 12 V usando PoE? Vários sistemas enfrentam o problema de alimentar uma câmara IP via PoE através de um cabo UTP e outro dispositivo que requer alimentação de 12 VDC (por exemplo, um microfone externo ou um iluminador infravermelho). Isso pode ser feito com qualquer switch PoE (802.3af ou PASSIVE) e usando uma saída e o estabilizador PoE Atte ASDC-12-124-HS M18953...>>>mais