Lattice Blog

Share:

智能工厂AI应用

AI in the smart factory
Posted 09/26/2018 by Dirk Seidel

Posted in

功能强大、成本低廉的摄像头系统可用于检测危险区域是否有人员进入,或者自动关闭机器防止对工人造成伤害。相同的技术还能用来识别生产线的异常物品。当生产控制系统能够完全确保正确的零件放在了正确的位置,或者使用了预测型维护应用主动检测设备缺陷时,提高质量水平也就不在话下了。

尽管机器视觉系统在工业领域早已不是什么新鲜事物了,但是它们的快速发展、行业的爆发式增长以及日新月异的大量新应用的出现很大程度上要归功于AI处理技术的取得的突破,尤其是可应用于网络边缘的低成本、低功耗AI推理系统——它们可以部署在机器上的传感器旁边,甚至可以集成在传感器内部。

机器学习通常要求两种类型的计算:训练和推理。训练系统通过采集和分析现有数据进行学习。这一过程是高度计算密集型的,因此,通常是在数据中心使用高性能硬件实现。机器学习的第二阶段,即推理,通过识别图案和执行任务应用系统能力处理新数据。在某些情况下,由于延迟、隐私和成本方面的问题,设计人员无法在数据中心进行推理。相反,他们必须在网络边缘执行这些计算任务。于是低成本FPGA成为绝佳选择。

多数情况下AI机器视觉系统部署在单台机器上。其优势在于所有的检测和处理任务都在本地进行。因此可大大降低延迟,也无需连接至云端。且动态检测应用的功耗低至1 W。基于FPGA的AI机器视觉系统可实现简单快速开发,通过使用比传统算法更为精确的高级神经网络,能够实时检测和识别任何特定的目标。

莱迪思为机器视觉系统的设计工程师们提供了一条设计开发的快车道——基于ECP5的嵌入式视觉开发套件,该高度灵活的智能模块化解决方案搭配莱迪思sensAI技术集合,能让嵌入式视觉设计人员快速构建原型设计系统。sensAI包括了免费软IP核(轻量化CNN加速器和CNN加速器)、软件工具、参考设计、演示示例和定制化设计服务,可加速集成网络边缘设备片上传感器数据的处理和分析。

Share:

Like most websites, we use cookies and similar technologies to enhance your user experience. We also allow third parties to place cookies on our website. By continuing to use this website you consent to the use of cookies as described in our Cookie Policy.