Embedded Vision: Was ist das?
Willkommen zur nächsten Ausgabe von Machine Vision Blogs von ClearView Imaging. Diese Woche stellen wir unser neues Thema vor, indem wir die Frage beantworten: Was ist Embedded Vision?
Egal, ob Sie daran interessiert sind, leistungsstarke Embedded Vision-Systeme, kompakte Embedded Vision Geräte zu bauen oder einfach nur mehr über das Thema erfahren möchtet, dieser Blogbeitrag ist für Sie. Letztendlich ist Embedded Vision die Zukunft vieler Bildverarbeitungsanwendungen in der Robotik, industriellen Automatisierung, Medizin, Life-Science und Automotive, um nur einige zu nennen. Wir wünschen Ihnen viel Spaß beim Lesen.
Edge Computing
Im Wesentlichen bedeutet Edge Computing, dass ein Teil der Daten- oder Bildverarbeitung auf einem Gerät selbst stattfindet, anstatt Daten mit einer Kamera zu sammeln und sie zu Analyse an einen PC weiterzugeben. Ein eingebetteter Computer/ein eingebettetes Gerät sitzt am „Rand“ eines Netzwerks und interagiert mit einem Server/PC zur zusätzlichen Verarbeitung und Analyse, anstatt die traditionelle Bildverarbeitungsmethode einer Kamera, die für die Bildverarbeitungsverarbeitung an einen PC angeschlossen ist.
Was ist Embedded Vision?
Was ist also Embedded Vision? Diese Frage ist tatsächlich schwieriger zu beantworten, als man zunächst erwarten würde.
Für manche ist Embedded Vision ein Bildverarbeitungssystem, das Geld spart, indem es kostengünstigere Hardware und Komponenten hat als ein herkömmliches Bildverarbeitungssystem. Für andere liegt der Schwerpunkt von Embedded Vision in seiner kompakten Form, die weniger Platz benötigt als typische Bildverarbeitungssysteme.
Allgemein gesprochen besitzen eingebettete Bildverarbeitungssysteme folgende Eigenschaften:
- Kosten weniger
- Verbrauchen weniger Strom im Betrieb
- Haben eine kompakte Bauform
- Haben alle Komponenten in einem System vereint also ein All-in-One Design
Lassen Sie uns eine Checkliste erstellen, was ein Embedded-Vision-System normalerweise umfasst.
Was benötigen Sie für ein Embedded Vision System?
Eingebettete Bildverarbeitungssysteme bestehen immer aus mindestens einer Kamera/einem Sensor, normalerweise mit einem Objektiv, einem Prozessor und Software. Hier kommen umstrittene Definitionen ins Spiel, da ein System mit all diesen Teilen eine beliebige Kombination von Form, Größe und Funktion aufweisen kann.
Beginnen wir damit, zu untersuchen, wie jede dieser Komponenten variieren kann, was zu einer Reihe unterschiedlicher Embedded-Vision-Systeme führt.
Auswahl einer Kamera für Embedded Vision
Es gibt einige Einschränkungen bei der Überlegung, welche Art von Kamera für ein eingebettetes Bildverarbeitungssystem verwendet werden soll.
Wenn Sie ein größeres Embedded-Vision-System aufbauen, ist die Kameragröße in der Regel kein Problem, sodass Sie wirklich mit der Kamera arbeiten können, die am besten zum System passt. Mit anderen Worten, Sie können FPS, Farbe oder Monochrom, Megapixel-Auflösung usw. frei wählen, und die Kamera kann höchstwahrscheinlich einfach in Ihr Gerät integriert und in ihrem Gehäuse eingebaut werden.
Wenn Sie ein kompakteres Gerät erstellen, beispielsweise eine tragbare Smart-Kamera-Lösung, wird die Wahl der Kamera viel schwieriger. Wenn das Gerät eine starke Verarbeitung oder eine leistungsstarke Beleuchtung erfordert, müssen Sie sorgfältig überlegen, wie viel Platz jede Komponente benötigt.
Dies könnte bedeuten, dass Sie sich für eine viel kompaktere Kamera entscheiden, wobei eine der kostensparendsten Optionen eine Kamera auf Platinenebene ist. Diese besteht aus einem Kamerasensor und einer Schnittstelle ohne Gehäuse.
Eine gute Kombination für ein Embedded-Vision-System könnte das Teledyne FLIR Board Level BlackFly S in Kombination mit dem NVIDIA Jetson TX2 sein.
Auswahl eines Prozessors für Embedded Vision
Die oben genannten Komponenten sind großartige Beispiele für kompakte, zuverlässige Embedded-Vision-Komponenten. Die Jetson-Familie von NVIDIA umfasst eine Reihe von Hochleistungs-Computerplatinen mit kleinem Formfaktor, die KI nutzen können, um die Verarbeitungskapazitäten am Edge zu verstärken.
Andere ähnliche Produkte wie der Jetson sind Google Coral und Raspberry Pi. Diese Mikrocomputer verwenden ARM-Prozessoren, um Bilder und Videos am Edge zu verarbeiten – und sie bieten großartige Möglichkeiten, wenn es um Embedded Vision Boards geht.
Wenn Sie ein größeres Embedded-Vision-System oder eine größere Maschine bauen, stehen dennoch kompakte Optionen mit mehr Leistung zur Verfügung. In größerer Form, aber immer noch kleiner als die meisten industriellen Embedded-Computer, bieten Matrox und Neousys Systeme mit Prozessoroptionen von Intel und ARM, mit oder ohne leistungsstarken NVIDIA-GPUs.
Neousys POC-40 ist ein extrem kompakter (52 x 89 x 112 mm), lüfterloser Computer. Er verfügt über einen Elkhart-Lake-Atom®-Prozessor und ist für Anwendungen mit begrenztem Platzangebot konzipiert – perfekt für Embedded Vision. Komplett mit I/O-Funktionen wie zwei Gigabit-Ethernet-Ports, vier USB 3.1 Gen1/2.0-Ports, vier COM-Ports und optional isolierten digitalen I/Os für industrielle Kommunikation und Steuerung.
Die neue NRU-120S-Serie von Neousys ist ein neuer robuster Edge-KI-basierter Videoanalyse-PC mit NVIDIA Jetson AGX Xavier. Er ist größer als der POC-40, aber mit mehr Schlagkraft ausgestattet und umfasst eine 8-Kern-ARM-CPU und eine NVIDIA® Volta-GPU mit 512 CUDA-Kernen und 64 Tensor-Kernen, die 11 TFLOPS FP16 oder 22 TOPS INT8 Rechenleistung bieten.
Smart Kameras für Embedded Vision
Smart-Kameras sind einsatzbereite Embedded-Vision-Geräte. Sie verfügen über eine Kamera, einen Prozessor, E/A und ein Betriebssystem in einem robusten Industriegehäuse, mit der Möglichkeit, eine vollständige Bildverarbeitungsanwendung auf dem Gerät auszuführen. Einige gute Performer in dieser Kategorie sind die neue Matrox Iris GTX, die neue NET iam und die Teledyne FLIR FireFly DL.
Mit diesen Kameras können Sie Ihr eigenes neuronales Netzwerk direkt auf der Kamera bereitstellen, wodurch kein Host-PC für Klassifizierungsaufgaben erforderlich ist.
Auswahl einer Schnittstelle für Embedded Vision
Die gängigsten Schnittstellen für Machine Vision sind in der Regel GigE Vision, USB3 Vision, CoaXPress und Camera Link.
Alle vier dieser Schnittstellen werden vom EMVA GenICam-Standard unterstützt und alle haben ihre eigenen einzigartigen Vorteile.
Mit Embedded Vision beginnen wir, MIPI CSI-2 als eine gängigere Schnittstelle zu sehen als normalerweise in anderen Bereichen der maschinellen Bildverarbeitung.
MIPI CSI-2 spricht große OEM-Hersteller an, da sie leistungsstark, energiesparend und kostengünstig ist.
Es gibt jedoch keine Standardisierung mit der Software für MIPI CSI-2, daher muss die Softwareentwicklung berücksichtigt werden, damit alles funktioniert.
Wenn Sie eine integrierte MIPI CSI-2-Kamera durch eine andere ersetzen oder aktualisieren möchten, müssen Sie alle Softwarearbeiten erneut ausführen. Dies kann eine entscheidende Überlegung sein, wenn Sie eine große Anzahl von Geräten haben. Bei GenICam-kompatiblen Kameras müssen Sie sich dank Standardisierung nicht um die Softwareentwicklung kümmern, um die Kameras zum Laufen zu bringen.
Embedded Vision Lösungen von ClearView Imaging
Das war's für den Blogbeitrag dieser Woche. Wir haben die Hauptkomponenten behandelt, die für ein eingebettetes Bildverarbeitungssystem benötigt werden, egal ob Sie Ihr eigenes Gerät bauen oder ein fertiges System kaufen möchten.
Bleiben Sie nächste Woche dran, um mehr über Embedded Vision zu erfahren, während wir tiefer in die Kameraauswahl eintauchen.
Hier bei ClearView verfügen wir über ein breites Spektrum an Wissen und Expertise im Bereich Bildverarbeitung, um Ihnen bei der Entscheidung für die richtige Lösung für Ihr Projekt zu helfen.
Wir bieten eine riesige Auswahl an Komponenten und unsere Experten helfen Ihnen gerne weiter, egal welche Frage oder welches Problem Sie haben. Nehmen Sie gerne Kontakt mit uns auf und einer unserer Bildverarbeitungsexperten steht bereit, um Ihnen bei Ihrem Projekt zu helfen!
