Skip to main content

AI • 物聯網 • 網路邊緣

電腦視覺的多種面貌

電腦視覺, 機器視覺

電腦視覺、機器學習和人工智慧 (AI ) 等詞彙越來越常見,人們容易誤以為他們指得是單一種應用程式。事實上,他們個別代表一系列的應用程式,適用於各式各樣的使用案例。

這也是為什麼電腦視覺系統會採用各式各樣的硬體架構。某些應用的工作只需要一顆標準的 CPU 就可以完成。在其他的案例中,可能需要 GPU、FPGA 或是專門的視覺處理器 (VPU)。

當然,這些運算架構可以搭配許多不同的配置。如圖 1 所示,視覺處理管線包括幾個步驟,而不同的步驟適合使用不同的處理器。舉例來說,GPU 常用來處理原始視訊資料和進行特徵擷取,而 VPU 和 FPGA 則適用於分析。

機器視覺應用程式有多種不同的運算功能。
圖 1. 機器視覺應用程式有多種不同的運算功能。

洞悉電腦視覺的複雜性

然而,就算只是針對一個使用案例,也可能需要使用多種不同的電腦視覺,而他們各自有不同的運算需求。這點在製造業中尤為如此。在製造業中,生產線的每一個階段可能會使用的演算法、攝影機和電腦硬件,以進行各個階段特殊的瑕疵偵測。

以製造鑽石鋸片的過程為例。此過程包含多個步驟:

  • 將將鋼胚切割成圓盤
  • 將鑽石鍍膜燒結到刃上
  • 開安裝孔
  • 將圓盤拋光
  • 將刀片磨利
  • 將圓盤噴漆
  • 印上標籤
  • 將刀片規格刻到圓盤上

圖 2 所示,每個步驟中都可能出現不同的瑕疵。每一種瑕疵都有其獨特之處,也因此需要不同類型的視覺檢查。

機器視覺可以協助每一個生產階段的瑕疵偵測。
圖 2. 機器視覺可以協助每一個生產階段的瑕疵偵測。

所以,可以擴充、且可採用多種不同配置進行部署的平台非常實用。APQ Science & Technology 的智慧視覺處理系統 (Intelligent Vision Processing System,IVPS) 就採用了這種作法。這套基線系統可以搭配多種 Intel® Core 處理器,讓開發人員不僅可以選擇 CPU 效能,還可以選擇不同的的內建 GPU。此外,IVPS 透過 Intel® Movidius 處理器支援替換式加速器,可在需要時提供神經網路加速。

該公司的 CTO Dequan Wang 透過解釋道,專一性和靈活性是處理許多技術問題時的兩大關鍵。用於偵測切割形狀錯誤等工作的演算法只需要基本的演算能力。但其他工作有較為嚴苛的需求。

「鑽石塗層讓刮痕偵測難度更高。」Wang 表示。這是因為塗層表面本來就不規則。所以,要偵測刮痕和其他瑕疵,就需要使用多層次神經網路。

標籤和其他印刷品其實相當難評估。標籤文字可能非常細小,因此需要極高的準確性和影像解析度,這也就提高了運算負載。

裂痕偵測也有獨特的需求。在這個例子中,影像預先處理對於消除噪音來說非常重要,因為噪音會影響應用程式識別刀刃表面的裂痕。

可擴充性之所以重要還有另外一個原因,那就是製造過程往往會隨時間過去而變化。這包括材料、刀片直徑和其他規格,以及製造設備的更新。這使得運算效能的目標會不斷變動。

智慧軟體能派上用場

雖然靈活的硬體平台可以滿足上述多樣且困難的需求,但這還只是個開始。開發人員需要一套同樣具可擴充性及靈活性的軟體平台。

在此方面,Intel​​​​​​®​​​ OpenVINO 工具組扮演著重要的角色。平台可以輕鬆針對 CPU、GPU 和 VPU ,讓開發人員可以依需求,順暢地在不同的硬體配置間轉換。

Wang 表示:「OpenVINO 幫助我們加速了我們的系統,還提供了基本的多媒體處理庫和神經網路運算框架。這降低了我們的開發工作量、讓效能最大化,並加速開發流程。」

IVPS 讓可擴充式作法得以更進一步,能在同一硬體上整合電腦視覺和運動控制。這不僅可以改善電腦視覺和運動控制的相互運作狀況,還可以降低成本並改善準確性和效能。

「我們的整合式 PLC SDK 讓客戶可以在 IPC 上執行各式各樣的運動控制應用程式。」Wang 表示。「還可以在所需之處執行運算,不論是 CPU、GPU 還是加速卡。這讓客戶能從電腦視覺獲得最大的優勢。」

服務完成最終的拼圖

雖然製造商能使用這些先進的工具,但他們可能還是會覺得開發複雜的機器視覺演算法相當具挑戰性。也因此,APQ 致力於提供開發服務,來補足其硬體產品。

「我們會針對這些應用情景,開發客製化的演算法。」Wang 解釋道。「我們的目標是減少偵測系統的錯誤警報量。當然,也希望改善偵測準確度。」

這並非只是為過程中的每個步驟開發演算法。APQ 會考慮整個製造過程。Wang 表示:「我們在軟體中完全模擬製造過程,讓製造商可以儘快使用應用程式。」

對於製造商來說,他們的目標是以低成本的方式創造無瑕疵的產品。電腦視覺和推斷訓練可以解決這項挑戰。在生產過程中使用最適合的硬體來執行機器學習,可以降低甚至完全消出警報偽陽性,使得生產線不會停滯。

作者簡介

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