コンピュータービジョンの処理ニーズ: 成長傾向

を得ることができる最先端の技術です。, デジタル画像から取得したあらゆる種類の情報の処理と分析. スティーブン・ターンブル, AMDの統合ソリューション部門の垂直市場ディレクター, この記事では、画像を分析するチームがどのように分析を行うことができるのかをより詳細に説明しています。, したがって, この学問の可能性が高まる, 処理のニーズも同様です.

友達や家族にコンピュータービジョンについて話したら、おそらく面白い目で見られるでしょう。, そして彼らは、ロボットが自分自身を認識して危険になった、見た映画についてすぐに話し始めるかもしれません。. 幸いなことに, 現実はそれほど邪悪なものではない. おそらく業界は、このテクノロジーセグメントにユーザーにとってわかりやすい名前を付けることを検討する必要があるでしょう。, この最先端の分野には、組み込みアプリケーションにとって非常に大きな可能性が秘められているためです。.

本質的には, コンピュータービジョンは、画像内で利用可能な情報を利用して何をすべきかを決定するだけで構成されます。, 次, 画像のオブジェクトと一緒に.

組立ラインまたは出荷前に製品を検査するときの単純な合格/不合格は、最も単純な例の 1 つです。. プリント基板の検査 (プリント基板) これは一般的な使用例です。, 正しく作成されたマスターボードのイメージを、製造中の PCB と簡単かつ迅速に比較できる場所, 自動ピックアンドプレイスシステムから次の段階に移行するとき. これは品質を確保するための貴重なステップであり、廃棄品の削減に役立ちます。, 人間の目と脳は、1 日に何百回、さらには何千回も繰り返すことはできません。.

統合されたコンピュータビジョンでは、百聞は一見に如かず

画像キャプチャシステムの解像度が上がるにつれて, コンピュータービジョンの可能性も同様です, 評価を実行するために利用できる詳細レベルが対応する割合で増加するため、. マスターテンプレートと比較することで、視覚情報のより小さなサブセットを評価できるようになってきています。, データを処理し、次のステップで何をすべきかを迅速に決定するために、システムプロセッサの負荷が増加します。 (合格する/不合格, 保持, 最初から始める, 等).

野菜の分類は、向き不向きの分類が最適ではないケースです。, 国によって基準が異なり、製品の品質も季節によって異なりますので、. 生産者にとっては無駄を最小限に抑えながら、顧客にとっては適切な品質を維持できるようにすること, 品質分類にはより最適なアルゴリズムが必要です, 人間の目と脳にとってはほぼ不可能な仕事です.

このアプリケーションを使用している企業はデンマークの Qtechnology です。. 同社は野菜分類用のスマートカメラを提供しています, 最大生産量 25 毎時トン, 以上の分析が必要です 250.000 周りの間の製品 500.000 画像. あ 6,2 各画像あたり MB, この特定のケースでは、以上の分析が必要です。 2,5 マシンごとに 1 時間あたりテラバイトの画像データ, 処理すべき膨大な量の情報. この量のデータでは、 6 ギガビットイーサネット接続での転送時間は数時間.

より単純なアルゴリズムでこれを解決するには、複数のステージとカメラが必要になります。, 機械の照明, 工場の不動産を増やす, 等. 代替案は、大規模な処理能力を適用することです, ブロードバンド接続を介した集中処理装置として、またはスマートカメラを使用した分散処理のいずれかとして, 最終的な機械選別システムによって提供される製品ごとの結果のみを使用して、リアルタイムデータをカメラ内で直接処理します。.

さまざまな画像キャプチャ技術に対応するため, Qtechnology は、スマートカメラシステムに対応するさまざまなセンサーのセットを備えた交換可能なヘッドを使用しています. ハイパースペクトル画像の頭, 例えば, 食品の品質と安全性を非破壊で検出可能.

標準的なビジョンシステムでは, 食品の品質と安全性は一般に、食感や色などの外部の物理的属性によって定義されます。. ハイパースペクトルイメージングは、食品業界に品質と安全性の評価に新しい属性を含める機会を与えています, 糖を決定するための化学的および生物学的属性など, 脂肪, 製品内の湿度と細菌数.

ハイパースペクトル画像の場合, 空間情報とスペクトル情報を備えた 3 つの 3 次元画像立方体が各ピクセルから取得されます。. スペクトル特徴の数が多いほど、属性の識別が向上し、より多くの特徴に基づいてグレーディングが可能になります。. 画像キューブには強度が含まれます (反射光または透過光) 取得した光のすべての波長に対する各ピクセルの, その結果、各画像立方体には大量の情報が含まれることになります。. このデータ量は、製品分類の定性的および定量的結果をリアルタイムで抽出するという計算上の課題が指数関数的に増加していることを表しています。.

ヘテロジニアスコンピューティングの応用

こうした処理需要をサポート, 今日、そしてこれからも, 高性能でスケーラブルな処理が必要.

Qtechnology は高速処理ユニットを使用しています (APU) 同一チップ上にGPUとCPUを組み合わせたスマートカメラ向けプラットフォーム, システムは、処理コンポーネント間の待ち時間の長いバストランザクションを発生させることなく、ビジョンアプリケーションのピクセルデータの処理を GPU にオフロードできるようになります。.

これにより、CPU はより低いレイテンシで他の割り込みを処理できるようになります。, システム全体のリアルタイムパフォーマンスを向上させ、現代のビジョンシステムの増大する処理要求に対処するのに役立ちます。.

単一のウェーハまたはシステム上で異なる処理エンジンを組み合わせて問題に適切な処理能力を適用することは、ヘテロジニアスコンピューティングの核心です。.

異機種混合システムアーキテクチャ財団 (HSA) に設立されました 2012 特に、処理効率を向上させるために利用可能なすべての処理要素を活用するプロセッサおよびシステムのオープン仕様を業界が定義できるよう支援することを目的としています。.

GPU は、大規模なデータセット全体に同じ命令を適用できる超並列エンジンです。 (この場合, ピクセル) 同時に; これはまさに、お気に入りのゲーム機や PC で 3D ゲームを実行するために必要なものです。.

偶然にも, これはまさにコンピュータビジョンに必要なものでもあります. APU と外部ディスクリート GPU を組み合わせることで、さらなるパフォーマンスを向上させることができます, モバイル PCI Express モジュール形式 (MXM), 企業は、必要に応じてさらに集中的なビジョンタスクをサポートするために、追加の GPU 処理リソースを追加できるようになります。.

ソフトウェアは方程式の重要な部分です. コンHSA, 処理プラットフォーム全体を標準の Linux カーネルで管理できる, 新しいカーネルのリリースごとに、適度な開発サポートのみが必要になります. ヨクトプロジェクト, オープンソースの共同プロジェクト, テンプレートを提供します, ユーザーが組み込み製品用のカスタム Linux ベースシステムを作成するのに役立つツールと方法.

x86 の巨大なエコシステムサポートにより、企業はサードパーティおよびオープンソースの画像処理ライブラリを活用できるようになります, OpenCVのような, Mathworks Matlab と Halcon. デバッグツール, レイテンシーアナライザーとプロファイラー (パフォーマンス, ftrace) も広く入手可能です.