嵌入式视觉驱动跨行业创新
嵌入式视觉技术即将渗透日常生活几乎每个层面。Embedded World 2021近期小组讨论探讨其当前部署、AI融合和边云动态。
传感器、处理器和软件进步推动嵌入式视觉进入农业、制造、自动驾驶和职业体育。新冠疫情进一步加速部署，视觉系统现用于公共监控、健康检查和安全检查。
AI赋能嵌入式视觉
人工智能重塑图像处理，开发者越多采用深度学习和神经网络增强目标检测和分类。AI解锁新可能，但专家一致认为必须更易用。
"AI为客户带来显著收益，但使用感笨拙，"MVTec Software董事总经理Olaf Munkelt表示。"需简化整个AI工作流——从数据标注、检查到管理和部署——让嵌入式视觉方案快速交付切实价值。" Munkelt呼吁集成方法简化各步骤，含语义分割、分类和异常检测。
Sick机器视觉部门负责人Fredrik Nilsson呼应此观点。他指出深度学习解决基于规则图像处理难题，但两路径将长期共存。"混合方案——深度学习做分割，传统算法做测量——将成标准，"Nilsson说。
Munkelt还强调AI加速器硬件竞赛。初创企业生产芯片性能超主流GPU厂商10-20倍。随图像量增长速度成关键，视觉界积极探索这些加速器以榨取最大性能。
边缘端与云端分工
Amazon Web Services (AWS)阐述嵌入式视觉双轨策略。IoT战略OEM合作伙伴负责人Austin Ashe称AWS旨在降低新手准入门槛，延伸价值超越初期试点。"约75%企业计划未来两至五年从试点转全面运营，"Ashe说，凸显边云编排需求。
边缘设备处理延迟、带宽、成本和安全。AWS可监控设备——单台或车队——提供实时警报并支持OTA更新。此模式让企业云端训练模型后无缝部署至机器群。
针对缺乏数据科学人才的组织，Ashe解释上传十至十二张异常图像至云端即可即时生成定制检测模型，随后迭代推送至边缘。
会议期间，Basler与AWS演示合作如何借AWS Panorama——机器学习设备和SDK赋能实时视觉决策——及Amazon Lookout for Vision（识别图像缺陷异常服务）弥合差距。
应用要求更低延迟，Ashe指出边缘仍居首位，但新兴5G网络将收紧云边融合，开启新用例可能性。
复杂性、尺寸与成本
Basler首席营销官Arndt Dake警告，多处理器格局——CPU、GPU、AI加速器、ISP——增加复杂性。"客户须将软件映射至四资源而非一资源，"他说，强调易用性和可证收益驱动采用。
设备尺寸上，Dake称行业将持续缩小，以智能手机为紧凑高性能视觉系统基准。
成本仍是障碍。Munkelt指出许多应用因高价未获验证；降本将解锁新可能。Nilsson补充易用、低价、小尺寸将使嵌入式视觉触达未拥抱该技术的中小企业。
>> 本文最初发表于姊妹网站EE Times Europe。
物联网技术
- ROHM在Embedded World 2019发布前沿电源管理与传感器方案
- Analog Devices 在 Embedded World 2019 展示 AI、工业网络与电源方案
- 英飞凌推出 TLE985x 嵌入式功率系列，面向汽车电机控制
- TDK 在 Embedded World 2019 展示尖端嵌入式技术创新
- USB-C 在可穿戴与移动设备电源管理中的日益关键角色
- congatec 推出面向上游/中游油气的坚固嵌入式边缘服务器
- VersaLogic发布坚固型8/12核Grizzly嵌入式服务器：面向边缘与IoT
- 射频能量采集驱动AI赋能无线应用扩展
- SureCore超低功耗SRAM将可穿戴与物联网SoC内存功耗降半
- GE Digital CEO Bill Ruh揭示AI与数字孪生在汽车、能源、航空领域加速落地
- 网络基础设施：自动驾驶汽车成功的基石
- 物联网在数字化制造中的关键作用：挑战与机遇