Eine Computer-Vision-Lösung bezieht sich auf die Verwendung von Kameras und Computer-Vision-Algorithmen, die es Maschinen ermöglichen, ihre Umgebung wahrzunehmen und zu verstehen. Sie ist eine Kombination aus der Fähigkeit der Kamera, visuelle Daten zu erfassen und zu analysieren und auf der Grundlage dieser Informationen intelligente Entscheidungen zu treffen.

Edge AI ist eine Form der verteilten Datenverarbeitung, bei der alle Berechnungen außerhalb der Cloud oder am "Rand" eines zentralen Servers stattfinden. Diese Funktion des Edge-Computing wird durch Geräte unterstützt, die visuelle Daten erfassen und Berechnungen lokal auf dem Gerät durchführen können, also näher an der Datenquelle, so dass diese Daten sofort umsetzbar sind. Nur ausgewählte Daten werden in der Cloud für Datenanalysen und Einblicke gespeichert. Bei der Bereitstellung von Edge-basierten KI-Lösungen unter Verwendung einer Kamera sind die folgenden Punkte wichtig:

• Bild- und Videoauflösungen und Qualitätsparameter
• Anforderungen an die Bild- und Videoverarbeitung
• Berechnungen - CPU, GPU, DSP und KI-Engine für Inferenz und Entscheidungsfindung am Rande
• Konnektivität am Rande und in der Cloud

Der Ablauf der Edge AI-Lösung umfasst: Erfassen - Verarbeiten - Aufzeichnen - Analysieren - Pflegen

Die Erfassungsphase umfasst die Integration, Charakterisierung und Verarbeitung von Bildsensoren. Dies ist der erste Schritt, um das richtige Bild/Video zu erhalten, das dann von den nachfolgenden Teilsystemen weiterverarbeitet wird. Sobald der Erfassungsprozess ein gutes Bild/Video als Eingabe liefert, besteht die Verarbeitungsphase aus Nachbearbeitungsblöcken, Kodierung/Transkodierung und Streaming solcher Daten auf der Grundlage verschiedener Anwendungsfälle und Anwendungen. So unterscheiden sich beispielsweise die Streaming-Anforderungen für Rundfunkgeräte von denen des Gesundheitswesens, aber die Latenz ist für beide Anwendungsfälle eine gemeinsame Anforderung.

Die Aufzeichnungsphase bietet Unterstützung für Aufzeichnung, Archivierung und On-Demand-Anzeige. Verschiedene Anwendungsfälle, wie Telematik, Drohnen, Robotik und Gesundheitswesen, haben unterschiedliche Anforderungen an die Aufzeichnung und Archivierung, einschließlich Aspekten wie Auflösungen und Einhaltung von Gesetzen zur Aufzeichnung.

Die Analysephase ist in diesem Zusammenhang von entscheidender Bedeutung, da die künstliche Intelligenz im Mittelpunkt all unserer Aktivitäten steht. Dies ist der Punkt, an dem der Rechenbedarf wichtig ist und die Architektur eine Herausforderung darstellt. Die Aufteilung der KI-Implementierung zwischen Edge und Cloud ist entscheidend. In der Phase der Aufrechterhaltung geht es um die Implementierung einer Orchestrierung, die Benutzerfreundlichkeit, einfache Bereitstellung, Erweiterungen, Optimierung von KI-Modellen für zusätzliche Datensätze usw. ermöglicht.

Das Kamera-Subsystem ist einer der wichtigsten Bestandteile einer Bildverarbeitungslösung. Es umfasst drei Hauptelemente:

• Kamera-Eingabe-Subsystem
• Zentrale Kamera-Subsysteme
• Heterogenes Computing-Subsystem

Das Eingangs-Teilsystem der Kamera besteht aus dem Objektiv und dem Bildsensor. Je nach Endanwendung können ein oder mehrere Bildsensoren verwendet werden. In der Robotik werden verschiedene Arten von Bildsensoren (RGB, Time of Flight, LiDAR usw.) für die Sensorfusion eingesetzt. Geräte im Gesundheitswesen, die für die persönliche Diagnose bestimmt sind, können einen oder mehrere Arten von Bildsensoren haben, um Anomalien zu erkennen oder Messwerte zu erfassen. Für Sicherheits- und Überwachungsanwendungen werden in der Regel RGB- und IR-Bildsensoren verwendet.

Die Auswahl des Objektivs und des Bildsensors hängt stark vom Anwendungsfall ab. Für Sicherheits- und Überwachungsanwendungen sind Sensoren mit höherer Pixeldichte und größerer Pixelgröße erforderlich, verglichen mit Sensoren in Mobiltelefonen, die nicht den gleichen Bedarf haben. In ähnlicher Weise benötigen Inspektionssysteme entweder Sensoren mit Zeilen- oder Flächenabtastung, die für solche Anwendungen besser geeignet sind.

• Die "Optik" sorgt dafür, dass die Kamera die Objekte erfasst, an denen Sie tatsächlich interessiert sind.
• "Beleuchtungsbedingungen, Dynamikbereich" zielt darauf ab, die relative Intensität zwischen den hellsten und dunkelsten Details im Bild zu erhalten und diese Informationen so weit wie möglich an die Bildverarbeitungsalgorithmen weiterzugeben.
• "Art des Ziels" - Rolling Shutter für Anwendungsfälle, die keine Bewegungserfassung beinhalten, und Global Shutter für Anwendungsfälle, die Bewegungserfassung beinhalten.
• "FoV" - Anwendungsfälle wie Einzelhandelsanalysen, bei denen Sie einen größeren Datensatz (von Personen) erfassen können, die das Geschäft betreten/verlassen.

Das zentrale Kamera-Subsystem besteht aus Blöcken für die Vorverarbeitung, die Bildsignalverarbeitung und die Nachverarbeitung. Diese sind entscheidend für die Verbesserung der Bildqualität, die von den nachfolgenden Teilsystemen für die Analyse und Entscheidungsfindung verwendet wird.

Das heterogene Computing-Subsystem konzentriert sich auf den Berechnungsbedarf je nach dem angestrebten Anwendungsfall. Umfangreiche KI-Modelle können eine leistungsstarke KI-Engine mit Inferenz unter Verwendung von GPU, DSP und CPU erfordern. Bei der Gesichtserkennung für Sicherheits- und Überwachungszwecke ist es wichtig, das Modell je nach Systemlast und Rechenanforderungen auf einer dieser beiden Recheneinheiten laufen zu lassen, um eine bessere Inferenz zu erzielen. Zu den wichtigsten Überlegungen bei der Entwicklung gehören die Auswahl des CPU-Kerns, der GPU, des DSP und der zugehörigen KPIs - Fließkomma-Verarbeitung, Zeitlatenz usw., da sie sich auf die Ergebnisse auswirken. KI-Engines werden üblicherweise in TOPS gemessen, einer viel beworbenen Methode zur Leistungsmessung, aber die wichtigste Kennzahl für die KI-Engine-Leistung ist die Inferenz pro Sekunde oder die Inferenzlatenz.

eInfochips verfügt über umfangreiche Erfahrung und fundiertes Fachwissen bei der Entwicklung kundenspezifischer Kameralösungen und hat OEMs geholfen, der Technologiekurve einen Schritt voraus zu sein. In Zusammenarbeit mit Arrow und Qualcomm hat eInfochips die "Edge Labs" eingerichtet - ein Kompetenzzentrum, das Qualcomm-Sachverständigen (SMEs), End-to-End-Produktentwicklungsdienste, ein hochmodernes Labor und Ausrüstung zur Beschleunigung der Produktentwicklung bietet. eInfochips hat mehr als 30 Kameradesigns entworfen und dabei ein hauseigenes hochmodernes Bildoptimierungslabor genutzt. Das Unternehmen hat auch Erfahrung mit den neuesten KI-Frameworks und -Tools (Tensorflow, OpenCV, Python, Caffe, Keras). Darüber hinaus hat eInfochips ein wiederverwendbares Kamera-Framework (RCF) entwickelt, um die Markteinführung zu beschleunigen und den Entwicklungsaufwand erheblich zu reduzieren, indem ein bewährtes, getestetes Feature-Set bereitgestellt wird.

Für weitere Informationen wenden Sie sich bitte an marketing@einfochips.com