具有人工智能的嵌入式系统

人工智能

636人已加入

描述

  当前的技术趋势,如工业 4.0(又称工业物联网)和智能工厂,正在深刻改变工业价值创造过程,其特点是更高程度的数字化、连接性和自动化。所有涉及的组件,包括机器、机器人、传输和处理系统、传感器和图像采集设备,都始终联网并通过各种协议相互通信。机器人技术的创新趋势也在改变工业生产的面貌。新一代更小、更紧凑、移动性更强的机器人正在塑造高度自动化装配车间的形象。协作机器人(cobots)与他们的人类同事共享某些任务,密切合作,甚至经常将工件相互交接。

  机器视觉已成为这种普遍自动化生产场景中不可或缺的一部分。该技术在这里有效地发挥了关键作用:安装在不同位置的许多图像采集设备——例如相机、扫描仪和 3D 传感器——无缝记录了生产过程。然后,集成机器视觉软件处理生成的数字图像数据,并使其可用于生产链中的众多应用。例如,该软件可以根据光学特征明确识别许多不同的对象,并精确定位和对齐工件。该技术还支持故障检测:可靠地识别缺陷产品并自动剔除。作为“生产之眼”,机器视觉广泛监控整个生产情况,从而使流程更安全、更高效。这尤其适用于协作机器人之间的相互作用及其与人类的相互作用。

  紧凑型设备变得越来越普遍

  同时,机器视觉算法也在嵌入式平台上运行并针对嵌入式平台进行优化变得越来越重要。当两个技术世界无缝集成时,这被称为嵌入式视觉。在工业 4.0 的背景下,集成嵌入式软件的紧凑型设备的使用——特别是智能相机、移动视觉传感器、智能手机、平板电脑和手持设备——正在显着增加。它们在工业环境中激增的原因是当今的设备配备了具有长期可用性的高性能工业级处理器。此类处理器还使他们能够执行复杂的机器视觉任务——前提是它们拥有强大而强大的机器视觉软件。为了使该软件无错误运行,®处理器架构。MVTec 就是一个很好的例子。其最新版本的 HALCON 标准机器视觉软件 HALCON 18.11 可以在这些平台上轻松操作,无论是 64 位还是 32 位。对用户的好处:通常仅在固定 PC 上运行的强大机器视觉功能也可用于所有紧凑型设备。

  现代嵌入式视觉系统能够满足数字化的巨大需求——尤其是当它们配备了人工智能 (AI) 时。这些基于人工智能的技术包括深度学习和卷积神经网络 (CNN)。这些方法的特别之处在于它们能够实现极高且稳健的识别率。

  在深度学习过程中,首先使用大量数字图像数据(例如图像采集设备生成的数据)来训练 CNN。在此训练过程中,会自动学习特定“类”的典型特征——例如,特定对象属性和显着特征。根据训练的结果,可以对要识别的对象进行精确的分类和识别,之后可以直接将它们分配到特定的类中。借助深度学习技术,不仅可以对对象进行分类,还可以对对象和故障进行精确定位。

  在嵌入式视觉应用中使用深度学习

  今天,深度学习功能已经在许多嵌入式视觉应用中使用。所有这些应用程序的共同点是它们通常会生成大量数据并且经常涉及非工业场景,例如自动驾驶。相关车辆已经配备了大量传感器和摄像头,可从主要交通状况中收集数字数据。集成视觉软件借助深度学习算法实时分析数据流。例如,这使得识别情况、处理信息并使用它来精确控制车辆成为可能——这首先使自动驾驶成为可能。基于深度学习的嵌入式视觉技术也经常用于智慧城市环境。在大城市,某些基础设施流程,例如街道交通、照明和供电,都实现了数字网络化,以便为居民提供特殊服务。最后,这些技术用于智能家居应用——例如,数字语音助手和机器人吸尘器。

  机器视觉过程的自动化

  那么深度学习技术在嵌入式和机器视觉环境中的优势是什么?

  不再需要繁琐的手动特征提取。深度学习算法能够从训练数据中自动学习特定的区别特征,例如纹理、颜色以及灰度等级,并根据相关性对其进行加权。通常,这项任务必须由训练有素的机器视觉专家手动执行,因此非常耗时且成本高昂。

  对象特征通常非常复杂,人类几乎不可能解释。另一方面,从训练数据中自动学习区分标准可以节省大量的精力、时间和金钱。深度学习的另一个好处是还可以区分更抽象的对象,而传统的手动方法只能对可以清楚描述的对象进行分类。这包括具有更复杂、更精细结构或在极其嘈杂的背景下出现的对象。在大多数情况下,人类无法辨别这些物体中任何明确的、可区分的特征。

  由于训练需要极高的计算能力,因此复杂的神经网络在配备高端图形处理器的相应功能强大的 PC 上进行训练。然而,经过充分训练的网络也可以在大量嵌入式设备上使用,这意味着紧凑、强大的嵌入式视觉解决方案也可以从尽可能高的识别率中受益。

  结论

  深度学习和 CNN 等基于人工智能的技术变得越来越重要,尤其是在高度自动化的工业 4.0 环境中。这就是为什么它们目前是最先进的机器视觉解决方案的重要组成部分。如果算法还可以在 Arm ®工艺架构等相关嵌入式平台上运行,那么强大的机器视觉软件的整个 AI 功能范围都可以在紧凑型设备上使用。

  审核编辑:郭婷

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分