Détecter et signaler en temps réel les colis visuellement endommagés sur les caméras de convoyeur pour un examen humain pendant que les colis sont en transit. Quelle est la solution la plus appropriée ?

La solution la plus appropriée est d'entraîner un modèle AutoML sur votre corpus d'images et de l'exposer via une API. AutoML Vision est idéal pour les tâches de classification d'images personnalisées sans expertise approfondie en apprentissage automatique, ce qui est parfait pour détecter des dommages spécifiques. L'exposition via une API permet une intégration facile en temps réel avec les applications de suivi de colis, répondant à l'exigence de détection "en temps réel pendant que les colis sont en transit". BigQuery ML est pour l'analyse de données tabulaires, pas pour l'analyse d'images en temps réel. L'API Cloud Vision est une solution pré-entraînée qui pourrait ne pas être suffisamment spécifique pour détecter des "dommages visuels" particuliers sans personnalisation. Construire un modèle TensorFlow dans Cloud Datalab est une approche plus complexe et chronophage, nécessitant plus d'expertise et de maintenance, et ne garantit pas la facilité d'intégration en temps réel.