使用英特尔第11代处理器提升工业机器视觉

大约在 1990 年代，机器视觉 （MV） 开始在行业中成为现实，尤其是在制造环境中。其他间接技术的进步，从增强照明、智能成像系统、传感、控制，尤其是计算，帮助 MV 系统转变为现实。

如今，MV 已经发展得如此之快，以至于它被认为是工业自动化的眼睛。其基于成像的自动化决策能力可以使任何行业受益，尤其是具有自动视觉检测和质量控制流程的制造业。但 MV 还可以在其他环境中提供帮助，例如加强监控和安全、指导协作机器人，甚至驾驶车辆。

我们的眼睛不能去的地方。

MV 对于制造环境中的质量检查特别有用，在这些环境中，人眼需要帮助或处于危险之中。例如，MV 可用于检查和识别有缺陷的工业焊缝。焊接是一个不仅对人眼极其苛刻的过程，而且对视频检查提出了许多挑战。焊接电弧会产生烟雾、火花和热量，这使得摄像机难以定位以记录和提供适当的图像来跟踪焊接质量。

MV 系统还可用于检查输送机生产线中物体的质量。例如，高分辨率工业相机与计算能力相结合，可以帮助检测制造过程和跨境运输过程中的划痕或凹痕等汽车缺陷。

还有哪些其他工业应用可以从机器视觉中受益？

另一个很好的例子，在制造业之外，是通过智能监控系统确保安全。这些系统可以检测在受限区域内漫游的未知面孔，确保人员佩戴个人防护设备 （PPE），甚至创建虚拟地理围栏。

在 COVID-19 大流行期间，安全/健康行业也发现了这些 MV 系统特别有用的应用。带有热像仪的发烧检测解决方案有助于在进入国家之前检测出高烧旅客。在 COVID-19 期间，许多建筑物甚至整个城市也使用 MV 功能来确保社交距离并检测口罩是否缺失。

赋能行业之眼。

现代物联网设备和传感器生成的大量数据根本不可能毫无延迟地流回基于云的数据中心或本地计算环境。

图像处理能力的延迟对于需要接近实时或实时结果的行业来说可能是有害的。例如，机器人和其他工业自动化工具需要接收快速指令，以便它们能够更快、更精确地执行动作。

为了消除这些过度的网络延迟、延迟和对更高带宽的需求，核心/分布式网络的“资源”需要重新利用。而这只有通过将智能分散和分配到网络边缘才能实现。

边缘计算机视觉。

在网络方面，智能边缘减少了“远离”数据的需要。它使密集型 MV 处理所需的计算能力更接近生成数据的位置，从而实现许多工业应用所需的实时响应和可用性。

智能边缘 IPC：解决网络可访问性和延迟问题。

一家受欢迎的重型机械制造公司约翰迪尔已经在其装配线上使用人工智能来发现和修复隐藏的缺陷焊缝。为此，约翰迪尔使用在基于英特尔酷睿处理器的工业 PC （IPC） 上运行的 AI 边缘智能。

物联网相机或传感器将视频数据馈送到具有机器视觉功能的本地工业 PC （IPC）。这种嵌入式 IPC 在本地提供图像处理。它会自动分析图像并提取特定信息。IPC 通过向 PLC 或机器人发送警报、警报或推送指令来执行某些操作。

这些 MV 驱动的 IPC 应该足够模块化，以支持各种 AI ASIC 加速器、强大的 CPU 和 iGPU/dGPU，以与多精度深度学习神经网络一起工作。有大量适用于 AIOps 的 SDK、库、运行时和工具包，例如英特尔® Distribution of OpenVINO™，使部署能够在 MV 平台上优化、调整和运行全面的 AI 推理

配备第 11 代处理器的嵌入式工业加固型 PC。

Lanner 的 LEC-2680就是嵌入式工业加固型 IPC 的一个例子。LEC-2680 是一款搭载第 11 代 Intel® Core™ i 系列 CPU（最高 i7-1185GRE）的箱式 PC。这种授权的 IPC 专为计算视觉而设计，并配备了机器视觉、监控和计算密集型视频相关应用的功能。

该设备配备第 11 代英特尔 CPU，该 CPU 采用英特尔® 深度学习加速 （VNNI） 的人工智能辅助加速、英特尔 Xe 显卡以及一流的无线和有线连接。第 11 代 Intel 处理器快速、智能且可靠。此外，它们还配备了快如闪电的英特尔® Wi-Fi 6 （Gig+）。该视觉系统还具有对多个 AI 加速器卡的扩展支持，以卸载 DL 处理。

支持智能边缘机器视觉的 IPC 将有助于推动智能制造以及其他工业和安全应用。它将实现向工业 4.0 的无缝转型。

审核编辑：郭婷