將嵌入式視覺解決方案用作物聯網應用中的智慧感光元件
我們推出的現場演示展示了如何將嵌入式視覺解決方案用作影像數據分類的高效智慧感光元件。閱讀更多資訊。
智慧物聯網應用的運作原理
相機等設備中的物聯網晶片通常只能以極低的頻寬來與雲端連接，因此導致傳輸大量影像資料時速度很慢。其中一種解決方法是就在相機感光元件上分析影像資料，即進行「邊緣處理」(Processing on the Edge)，然後僅需將經過評估後的資料傳輸到雲端。頻寬極低的連接對於此類處理已經完全夠用。因此，相機可以迅速向雲端進行傳輸，並對相關事件作出反應。
詳細瞭解我們的嵌入式視覺解決方案第1步：為嵌入式視覺系統找到合適的硬體
這個現場演示是基於榮獲獎項的Basler嵌入式視覺工具包。該工具包包括
一個Basler dart BCON（基於MIPI）相機模組
一塊配備高通®驍龍™SoC的96 Boards™相容處理卡，以及
一塊96 Boards™相容夾層板，可直接將相機模組連接到處理卡
借助這種解決方案，可直接在處理板上處理由相機模組以高幀速率擷取的影像數據。
探索我們的嵌入式視覺產品線第2步：訓練神經網路以進行分類
這個現場演示的目的是針對不同的樂高人物（工匠、宇航員、廚師等）或不同的交通標誌進行分類。這項任務由神經網路完成，更確切地說，它採用的是卷積神經網路（CNN）。
Basler 首先訓練了兩個不同的 CNN，一個用於樂高人物分類，另一個用於交通標誌分類。經過訓練的 CNN 不是很大，僅為數百萬位元組 (MB)，可經由低頻寬連接從雲端傳輸到邊緣裝置，傳輸所需的時間也在可接受的範圍內。在樂高人物 CNN 傳輸完成後，邊緣裝置就能對人物進行可靠分類，並可以在頻寬要求和延遲情況較低的條件下將結果報告給雲端。為了「重新調整」(Retool) 邊緣裝置以便對交通標誌進行分類，只需從雲端傳輸相應的交通標誌 CNN，這樣智慧感光元件就能可靠地檢測不同的交通標誌。
查看嵌入式視覺軟體
嵌入式視覺系統優勢概覽：
將感光元件連接到雲端時對頻寬的要求較低
雲端應用對感光元件事件進行反應的延遲較低
為同時「遠端維護」多個感光元件OTA提供理想的機會（即進行感光元件配置、固件更新或上傳新CNN，以便執行新的分類任務）