Skip to main content

硬體平台

工業邊緣的模組化機器視覺

產業優勢

AI 整體環境瞬息萬變。這樣的變化對於工業視覺系統而言太快了,以自動化品質檢驗系統與自主機器人為例,預期的部署期間就算不到數十年也有數年。

如果您是設法讓機器視覺系統充分發揮效益的系統整合商、OEM 或工廠業者,您會用什麼方式讓平台因應未來需求,並且在下一個劃時代 AI 演算法或架構引進前數月或數週推出設計時,不會感到焦慮不安?

我們必須先解構典型的機器視覺系統,才能回答這個問題。

機器視覺系統的結構

長年以來,工業機器視覺系統包含攝影機或光學感應器、照亮擷取區域的照明設備、主機電腦和/或控制器,以及影像擷取卡。影像擷取卡尤其值得注意,因為這項裝置擷取的靜態影格解析度比攝影機高,而且可利用 AI 或電腦視覺演算法簡化分析。

攝影機或光學感應器透過 CoaXPress、GigE Vision 或 MIPI 這類介面,直接連接影像擷取卡。影像擷取卡本身通常是一種插槽卡,插入視覺平台或電腦後,透過 PCI Express 與主機通訊。

影像擷取卡除了能擷取解析度更高的影像,還有很多優點,包括能夠同時在多部攝影機同步化及觸發,以及在擷取到靜態影像後立即執行本機影像處理(例如色彩校正)。這項作法不僅能消除延遲(可能省下為了預先處理而傳輸其他位置影像的費用),還可讓主機處理器有餘裕執行推論演算法,以及執行相應的控制功能(例如關閉輸送帶)和其他工作。

就某幾個層面而言,相較於整合這一連串不同子系統的新式架構,這個架構更為複雜。然而,它的可擴充性與設計彈性更高,因為唯一限制影像處理效能的因素,是主機電腦或控制器的插槽數量。

其實,此外還受限於主機處理器與影像擷取卡之間的頻寬高低。

利用 PCIe 4.0 締造完美視力

對於機器視覺系統來說,尤其是仰賴多重攝影機與高解析度影像擷取卡的系統,系統頻寬很快就會變成問題。舉例來說,4MP 攝影機需要大約 24 Mbps 的處理量,對於 PCIe 3.0 互連提供的每通道 1 Gbps 左右資料速率,造成的影響微乎其微。

然而,機器視覺系統多半接受多部攝影機的輸入內容,因而接受多重串流,所以頻寬很快便會耗用殆盡。增加 GPU 或 FPGA 加速卡,或是兩種都加,才能獲得高準確度低延遲的 AI 或電腦視覺演算法執行方式,另外,週邊裝置與主機處理器之間,可能會發生頻寬瓶頸。

此時此刻,很多工業機器視覺整合商必須開始取捨。您不是因應頻寬短缺增加更多主機 CPU、選用背板型系統並在設計加入更多加速卡,就是選擇已整合加速器的主機電腦或控制器。無論如何,您的成本都大幅提高,散熱需求、耗電量,以及內嵌系統工程師耳熟能詳的其他諸多障礙,全都隨之增加。

或者您可選用搭載新一代 PCIe 介面的平台,例如物聯網解決方案開發商 SECO 的 CALLISTO COM Express 3.1 Type 6 模組(圖 1)

SECO 推出的 CALLISTO COM Express 3.1 模組提供 PCI Express Graphics (PEG) Gen4 x8,最多兩個 PEG Gen4 x4,以及要求嚴苛機器視覺工作負載用的 8x PCIe 3.0 x1 介面。
圖 1. SECO 推出的 CALLISTO COM Express 3.1 模組提供 PCI Express Graphics (PEG) Gen4 x8,最多兩個 PEG Gen4 x4,以及要求嚴苛機器視覺工作負載用的 8x PCIe 3.0 x1 介面。(資料來源:SECO

SECO 產品長 Maurizio Caporali 表示,SECO CALLISTO COM Express 模組中心搭載第 13 代 Intel® Core 處理器,支援 PCI Express Graphics (PEG) Gen4 x8 介面、最多兩個 PEG Gen4 x4 介面,以及最多 8x PCIe 3.0 x1 介面。Gen4 PCIe 介面的頻寬是 PCIe 3.0 介面的兩倍,速率增加為每通道將近 2 Gbps,基本上可在機器視覺平台獲得兩倍的視訊頻道,而且完全沒有犧牲任何其他效能。

Caporali 說明,第 13 代 Intel® Core 處理器讓機器視覺獲得了進一步的優勢,包括最多 14 個 P-core 與 E-core(「P」與「E」),以及多達 96 個 Intel® Iris® Xe 顯示晶片執行單位,而且可依工作負載使用這些執行單位,將系統效能、用電量與散熱最佳化。視 SKU 而定,這一切有 15W 與 45W TDP 可供選擇,而且是以工業級的標準型 SECO 模組提供,尺寸僅 95 mm x 125 mm。

為了化繁為簡,這個平台與 OpenVINO 工具組相容,將任何前述核心架構上部署的電腦視覺演算法最佳化,締造最高的效能。CALLISTO 使用者還可使用 SECO 的 CLEA AI-as-a-Service (AIaaS) 軟體平台。這款可擴充的 API 型資料協調、裝置生命週期管理,以及 AI 模型部署邊緣/雲端解決方案,可讓機器視覺使用者改善長期的 AI 模型效能,並且無線更新端點。

「若要管理即將遠端部署於裝置機隊的 AI 應用程式與模型,CLEA 是基礎。客戶現場若有成千上萬的裝置,CLEA 提供了可輕鬆擴充遠端管理的機會。」Caporali 表示。

工業邊緣的模組化機器視覺

建立工業機器視覺解決方案所耗費的時間、費用與資源都不容小覷。解決方案不僅必須結合各項利基型技術,例如 AI、高速攝影機、高解析度鏡頭,以及專業的視訊處理器,這類複雜的系統還必須長期創造最大價值,才能讓投資物有所值。

將系統架構模組化是防範措施之一,這樣一來便能隨時間升級。以影像擷取卡為基礎建置的機器視覺平台架構,不僅能讓機器視覺 OEM、整合商與使用者視需要擴充視訊處理與攝影機支援,COM 模組的模組化架構(插入自訂的載卡)也能讓主機電腦與控制器本身視需要擴充。因此,拜全模組化策略之賜,經過深思熟慮之後,您只需要升級 CALLISTO 的載板設計,就能滿足未來的機器視覺需求。

簡言之,機器視覺工程師再也不會焦慮不安。
 

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

作者簡介

Brandon is a long-time contributor to insight.tech going back to its days as Embedded Innovator, with more than a decade of high-tech journalism and media experience in previous roles as Editor-in-Chief of electronics engineering publication Embedded Computing Design, co-host of the Embedded Insiders podcast, and co-chair of live and virtual events such as Industrial IoT University at Sensors Expo and the IoT Device Security Conference. Brandon currently serves as marketing officer for electronic hardware standards organization, PICMG, where he helps evangelize the use of open standards-based technology. Brandon’s coverage focuses on artificial intelligence and machine learning, the Internet of Things, cybersecurity, embedded processors, edge computing, prototyping kits, and safety-critical systems, but extends to any topic of interest to the electronic design community. Drop him a line at techielew@gmail.com, DM him on Twitter @techielew, or connect with him on LinkedIn.

Profile Photo of Brandon Lewis