在邊緣迅速運用電腦視覺
電腦視覺、即時分析和 AI 正陸續出現令人意外的用途。機器人就是一個例子。這些技術可用於打掃辦公大樓各處。機器人會繞過障礙物、搭乘電梯，還會自動返回底座充電。
智慧大樓、都市安全、零售、醫護和製造業的多方應用，為專精於這些市場的物聯網開發人員帶來許多機會。
許多人就發現 Intel® Movidius™ Myriad™ VPU 能夠精簡化電腦視覺的應用。Movidius 是獨立運作的 AI 加速器，專為希望在邊緣部署深度學習和 AI 的開發人員而設計，可降低入門障礙。若再搭配 OpenVINO™ 工具組的 Intel® Distribution 使用，可大幅減少軟體開發工作。
Movidius 技術讓電腦視覺處理可在邊緣執行，且僅需 1 瓦特的電力。此技術經過特別設計，專門用於裝置上電腦視覺、高品質影像處理以及深度類神經網路等應用。這讓開發人員能夠在智慧型裝置中處理以視覺為中心的工作，並提供單晶片到多晶片解決方案的可擴充性（圖 1）。
OnLogic 設計工業電腦並協助開發人員建置嵌入式電腦視覺解決方案。該公司專精於使用最少量的運算資源來解決客戶特有的 OT 和 IT 需求。
OnLogic 的解決方案架構設計師 Johnny Chen 解釋公司與開發人員共事的方針。
「電腦視覺可以讓企業以新的方式收集、分析大量資料，並據以採取行動。」他表示。「假設一個體育館內安裝了 50 台攝影機，用於產生最大化行人流和改善安全性的資料。若使用圖形處理器 (GPU) 進行邊緣分析，則需要消耗大量電力。這種方式還非常昂貴。」
GPU 是為電腦遊戲所設計，而非用於 AI 和電腦視覺。Movidius VPU 在處理視覺分析時，不需要如此大量的電力。同時，其處理器也能透過其他方法節省成本。Chen 補充道：「如果體育館從 50 台攝影機上傳串流視訊到雲端進行分析，試想這會帶來多少頻寬成本。」
這大量的視訊資料亦可用於改善機器學習。配備 50 個邊緣裝置的體育場使用模型來建立行人流模式參數，判斷何時會超出上限。資料會在本機處理，並將結果傳回雲端。但相同的資料也可用來調整模型本身，建立自動化的學習循環。如此一來，系統就能隨著時間經過而變得更加聰明、更有效率。
於邊緣進行機器學習
Movidius 可簡化機器學習，OpenVINO 工具套件則讓開發人員更容易使用預先訓練的模型執行深度學習推斷。這不僅能在邊緣執行，也能在傳統的電腦視覺解決方案中執行（圖 2）。
Chen 說明工具組在應用程式可攜性方面的效率，指出程式設計師僅需撰寫一個版本的程式碼和模型：「他們可以挑選一種處理器，即 CPU、GPU 或 VPU，或使用最佳化的處理器。不論使用任何一種組合，都無需重新編寫程式碼。」
用於極端環境的電腦視覺
使用 Movidius 還有另一項優點，就是開發人員可以在狹小的空間中部署邊緣裝置，甚至是在極端溫度範圍、灰塵、振動和水中等嚴苛環境中亦同。
「工廠周圍漂浮的碎屑不適合具有冷卻通風口的電腦系統。舉例來說，使用碳纖維或金屬的工廠會製造出懸浮微粒，很容易就會進入風扇散熱系統，造成主機板短路。」Chen 說道。「這就是為什麼我們設計小巧、無風扇且耐用的運算裝置，僅需被動冷卻即可，不用在機殼留通風口。」
Chen 表示客戶設計經常要求過高規格。「我們通常可透過更有效率的元件組合來協助客戶達成所需功能。」他表示。「我們也協助降低耗電量，這是部署大量裝置時的一大成本。同時也是使用嵌入式系統的另一個優勢。」
閱讀「促進強固型物聯網運算之成本效益」，進一步瞭解如何為極端環境開發高效能的小巧設計。
智慧都市與電腦視覺
邊緣電腦視覺可以讓都市更宜居。例如快速且具成本效益的道路坑洞偵測。「垃圾車走的路線都是固定的。」Chen 表示。「為何不在車上安裝攝影機，然後開發一套可辨識坑洞的模型？」
電腦視覺甚至可以改善尚未施工的都市和基礎設施。舉例來說，分析現有地鐵站收集到的行人流資料，就設計出入口、閘門、隧道、天橋和其他結構體均經過最佳化的新車站。
「地鐵站就像是一個購物中心。」Chen 說道。「但如果把一個資訊站放錯地方，例如乘客購買早餐的地方好了，排隊的人龍就可能會阻礙他人使用自動售票機。」設計一套模型來比較規劃優良與規劃不良的地鐵站之後，就能更容易設計有效率的車站。
實際業界合作
OnLogic 與 Intel 密切合作，以強大的技術帶來現實應用案例。「我們每天都會跟客戶討論他們所面臨的挑戰，而這些意見我們都會與 Intel 分享。」Chan 說道。「我們是 Intel 和客戶之間的橋樑，在各式各樣的案例中，協助在邊緣部署嵌入式電腦視覺解決方案。」
在物聯網部署方面，每一位客戶都需要客製化的解決方案。Chen 總結道：「我們與業界的一大成功關鍵，就在於我們不做泛用型電腦。我們打造特化裝置，以便有效且可靠地完成特定的工作。」