Skip to main content

工业

快速追踪边缘的计算机视觉

 电脑,  视力,  工业物联网,工业物联网,深度学习,智能工厂

计算机视觉、实时分析和人工智能正出现在您可能意想不到的应用程序中。机器人正是一个示例。某些机器人会使用这些技术来从上到下清洁办公楼。它们可以越过障碍物、乘电梯,还可以自行停靠进行充电。

智能建筑、城市安全、零售、医疗和制造应用都为专注于这些领域的物联网开发商提供了大量机会。

并且,许多人发现英特尔® Movidius Myriad VPU 简化了计算机视觉应用。Movidius 是一款独立的人工智能加速器,旨在降低在边缘寻求部署深度学习和人工智能的开发者的进入壁垒。当此加速器与英特尔® Distribution of OpenVINO Toolkit 结合使用时,软件开发工作将大大减少。

Movidius 技术允许在边缘执行计算机视觉处理,并且仅使用 1 瓦功率即可。它专为设备上的计算机视觉、高质量图像处理和深度神经网络应用而开发。此技术允许开发人员在智能设备中处理以视觉为中心的任务,并提供从单芯片到多芯片解决方案的可扩展性(图 1)。

英特尔 Movidius 中的 VPU 允许计算机视觉应用在芯片中进行处理
图 1。 英特尔® Movidius 中的 VPU 使计算机视觉应用能够在芯片中进行处理。

OnLogic 设计工业计算机,并与开发人员合作以帮助他们构建嵌入式计算机视觉解决方案。该公司专注于使用最少量的计算资源来解决客户特定的 OT 和 IT 需求。

OnLogic 的解决方案架构师 Johnny Chen 解释了该公司与开发人员合作的方法。

他说:“计算机视觉使公司能够以新方式收集、分析和处理海量数据”。“假设一个体育场安装了 50 台摄像机,用于生成数据,以最大限度地拍摄行人流量并提高安全性。使用图形处理器 (GPU) 进行边缘分析会消耗大量功耗。并且十分昂贵”。

GPU 是专为计算机游戏,而不是 AI 和计算机视觉而设计。对比而言,Movidius VPU 在处理数据以运行视觉分析方面使用的能量较少。并且还有其他方式可节省处理器的能量。Chen 补充说道:“想象一下,如果体育场将 50 台摄像机的流式传输视频均上传到云端进行分析,那会产生多少带宽成本”。

如此大量的视频数据还可用于改进机器学习。这个具有 50 台边缘设备的体育场使用了一款模型来建立流量模式参数,并确定在何时会超出这些参数的范围。此模型会在本地处理相关数据,并将结果发送回云端。不过,该同一数据也可用于让人们了解模型本身进行了哪些调整,从而创建一个用于实现自动化的学习循环。并且,这也会使得系统随着时间的推移变得更加智能和高效。

边缘的机器学习

在 Movidius 简化机器学习的同时,OpenVINO Toolkit 还使开发人员能够通过预先训练的模型更加轻松地运行深度学习推理。此类操作即可以在边缘,也可以在传统的计算机视觉解决方案中执行(图 2)。

英特尔 OpenVINO Toolkit 支持在英特尔平台上进行深度学习、实现传统计算机视觉和硬件加速
图2。 英特尔® OpenVINO Toolkit 在英特尔® 平台上支持深度学习、传统计算机视觉和硬件加速。

Chen 描述了该工具包在应用程序可移植性方面的效率,并指出程序员可以编写一个版本的代码和模型:“他们可以选择一个处理单元(如 CPU、GPU 或 VPU),或使用进过优化的处理单元。并且使用上述处理单元的任意组合均无需重新编写代码”。

极端情况下的计算机视觉

使用 Movidius 的另一个优势是开发人员即使是在复杂环境(包括极端温度范围、灰尘、振动和进水)也可以在狭小空间内部署边缘设备。

“漂浮在工厂周围的碎片让使用带有冷却通风孔的计算机变得不切实际。例如,处理碳纤维或金属的工厂会产生一种很容易进入风扇系统并炸毁电路板的空中悬浮微粒”,Chen 说道。“这就是我们设计无风扇的紧凑加固型计算设备的原因。这种经过设计的设备无需在机箱开孔即可被动冷却”。

Chen 认为顾客经常对他们的设计要求过高。他说:“我们通常通过为客户提供匹配的、更有效的组件组合来帮助客户实现所需的功能”。“我们还有助于降低部署大量设备时的主要成本:功耗。这是使用嵌入式系统的另一个令人信服的理由”。

阅读让安全可靠的物联网计算变得经济高效以了解有关开发高性能、紧凑设计的产品以应对极端条件的更多信息。

智能城市与计算机视觉

边缘的计算机视觉可以使城市更加宜居。一个使用案例是快速且经济高效的检测坑洞。Chen 说:“既然垃圾车按常规路线行驶”。“那么,为什么不在上面安装摄像头并编写一个能够识别坑洞的模型呢”?

计算机视觉甚至还可以改善尚未建设的城市和基础设施。例如,分析现有地铁站中收集的行人交通流量数据可以在设计新地铁站时优化入口、大门、隧道、天桥和其他固定装置的位置。

“地铁站就像是购物中心”,Chen 说。“但是,如果将售货亭(比方说,通勤者取早餐的地方)放置在错误的位置,那么这条线路就有可能会阻塞通往售票机的通道”。通过构建可比较计划周密的地铁站和计划不周的地铁站的数据的模型,可以更轻松地设计出更加高效的地铁站。

现实中的伙伴关系

OnLogic 凭借与英特尔的强大合作伙伴关系,带来了基于强大技术的现实应用。Chen 说:“我们每天都会与客户交流他们当前面临的挑战,并将此类输入信息与英特尔分享”。“我们是英特尔与其客户之间的桥梁,可帮助客户在广泛的使用案例中在边缘部署嵌入式计算机视觉解决方案”。

随着物联网的部署,每个客户都需要一个定制解决方案。Chen 总结道:“我们成功的关键和该行业成功的秘诀在于我们不生产通用计算机。我们制造让客户高效、可靠地完成特定任务的专用设备”。

作者简介

Robert Moss is an independent consultant and strategist who focuses on the value gained through IoT, AI, machine learning and other technologies. He also helps give voice to executives at leading technology companies, enabling their personal stories to show how they encourage innovation, overcome obstacles, and improve their leadership skills. Tweets @RobertMoss_IoT

Profile Photo of Robert Moss