A modern képfeldolgozó alkalmazások hatalmas mennyiségű adatot generálnak. Adatcsökkentő rendszerünk a képek előfeldolgozásával jelentősen csökkenti az adatmennyiséget — így kevesebb számítástechnikai hardverre van szükség, alacsonyabbak az üzemeltetési költségek, és nagyobb a hatékonyság.
Nagy részletességet és gyors ciklusidőt igénylő gépi látórendszerek
A CoaXPress, mint elismert képfeldolgozási szabvány, a nagy teljesítményű képfeldolgozó rendszerek alapját képezi; a kamerákat CoaXPress frame grabber kártyákon keresztül csatlakoztatják a számítástechnikai architektúrához.
4 terabájt képadat öt percenként, 108 Gbps sebességgel
Az ilyen képfeldolgozó rendszerek által generált képadatok mennyisége hatalmas. A feldolgozáshoz számos számítástechnikai architektúrát úgy terveztek, hogy a képeket több számítási egység – jellemzően ipari PC-k – között továbbítsák. Az első képkockát az első egységnek küldik, néhány mikroszekundummal később a következő kép a másodikhoz kerül, és így tovább. Ez az adattovábbítási módszer könnyedén akár 4 terabájt képadatot is generál mindössze 5 perc alatt!
A tárolási igényt egy példarendszer alapján számítottuk ki, amely 1 fejre szerelhető kamerával (boost boA5120-230, 21 MP) és 8 oldalsó kamerával (ace 2 V a2A2448-210cm, 5 MP) rendelkezik. A sávszélesség tekintetében az egyes interfészek maximális átviteli sebességét hasonlítottuk össze.
A képadatok tisztítása és csökkentése hatékonyabbá teszi a rendszert
Mi a jelenlegi helyzet a folyamatosan növekvő képadat-áradat kezelése terén? A gyakorlatban gyakran alkalmazzák az adatátvitelre épülő számítástechnikai architektúrákat; az 1. képkockát az 1. számítóegységhez, a 2. képkockát a 2. számítóegységhez továbbítják, és így tovább. Az adatokat addig osztják szét és továbbítják, amíg az adatátviteli sebesség el nem éri a következő számítóegységek számára feldolgozható szintet.
Hagyományos számítási architektúra
A frame grabber kártyák kizárólagos funkciója a képadatok továbbítása. Ennek következtében a számítási egységeket több nagy teljesítményű GPU-val és CPU-val kell felszerelni.
• A képadatok bemeneti sávszélessége korlátozás nélkül marad.
• A több drága GPU és CPU magas költségeket eredményez.
Adatcsökkentő számítástechnikai architektúra
A frame grabber programozott FPGA-ja a képfeldolgozó rendszer katalizátorává válik. Először elvégzi a képadatok tisztítását, például az árnyékoláskorrekciót. Ezt követi a képadatok szegmentáláson keresztüli csökkentése, például blob-elemzéssel.
• A 100 Gbps-es bemeneti sávszélesség 2 Gbps-re csökkenthető.
• Az adatcsökkentő rendszer jelentősen csökkenti a GPU- és CPU-teljesítmény iránti igényt.
A rendszerek akár 80%-kal költséghatékonyabbá válnak
Gépi látórendszerek költségösszehasonlítása: Az FPGA-alapú kép-előfeldolgozás mind a beruházási, mind a teljes üzemeltetési költségek tekintetében költséghatékonyabb.
Még az egyszeri beruházási költségek tekintetében is az adatcsökkentő képfeldolgozó rendszer akár 28%-kal költséghatékonyabb, mint a hagyományos megközelítés.
A gép minden üzemeltetési évében a működési költségek 80%-kal csökkennek.
Ez azt jelenti, hogy a körülbelül tíz éves tipikus életciklus alatt elért megtakarítás szintén körülbelül 80%-ot tesz ki.
Az összehasonlítás kiterjedt a kamerák, frame grabber kártyák, gazdaszerver-rendszerek és GPU-k beszerzési költségeire, valamint a felhőalapú tárolás és az energiafogyasztás folyamatos működési költségeire.
Egy rendszer, végtelen lehetőség
A kameramodellek kiválasztása ugyanolyan rugalmas, mint azok kombinálása a rendszerben. Ugyanakkor mind a számítástechnikai infrastruktúra, mind az alkalmazott algoritmus szabadon választható. A rendszerkomponensek bármikor kombinálhatók és bővíthetők.
CoaXPress kamerák és objektívek
A CoaXPress kamerákat akkor használják, ha a képfeldolgozó rendszernek különösen részletes képeket kell szolgáltatnia, miközben magas képfrissítési sebességet is biztosít. Ahogy ez a példa is mutatja, az ellenőrzési feladatot gyakran többkamerás rendszerek végzik.
FPGA-alapú kép-előfeldolgozással rendelkező frame grabberek
Minden adatcsökkentő rendszer középpontjában egy CoaXPress frame grabber áll, amely a VisualApplets szoftverrel van kombinálva. Együttesen végzik el a képadatfolyam előfeldolgozását – még mielőtt az adatok eljutnának az ipari PC-hez.
Hogyan érhető el a hatékonyságnövekedés?
A blob-elemzéssel azonosítsa a releváns képrégiókat, és szabadítsa meg rendszerét az adatok túlterheltségétől
A VisualApplets FPGA-programozási környezet számos kép-előfeldolgozási feladat hatékony megvalósítását teszi lehetővé, beleértve a blob-elemzést is. Ebben a folyamatban az egymás melletti pixelrégiókat önálló objektumokként választják le a háttérről (szegmentálás), és olyan jellemzőkkel írják le őket, mint a terület mérete, a kontúr hossza és a határoló téglalap koordinátái (osztályozás).
Ha a blob-elemzést az előfeldolgozás során végzik el, a szegmentálás még azelőtt megtörténik, hogy a képadatokat először tárolnák. Ennek eredményeként csak a releváns területeket (ROI) dolgozzák fel tovább, ami jelentősen csökkenti az átviendő és tárolandó adatmennyiséget.
Példa elektródabevonatra: A képterületnek csak körülbelül 2%-a releváns, részletesebb elemzést igényel, és azt tovább kell feldolgozni.
Kevesebb adat a képkompressziónak köszönhetően
A JPEG-kompresszió jelentősen csökkentheti a képekhez tartozó adatmennyiséget. Már a JPEG-minőség mérsékelt csökkentése esetén is – 100%-ról 75%-ra – az adatmennyiség akár 86%-kal is csökkenthető, miközben a képminőség nagyon jó marad. Számos alkalmazásban még erősebb tömörítés is lehetséges, ami tovább növeli a megtakarítási potenciált.
A csökkentett adatmennyiség jelentősen csökkenti a tárolási, átviteli és számítási költségeket. Bár a programozható frame grabberek további beruházási költségekkel járnak, ezek gyorsan megtérülnek. Körülbelül 14 napos, 60 fps-es folyamatos működés után a megtakarított tárolási költségek már fedezik a beruházás költségeit.
Egy tipikus, két éves üzemidő alatt a kezdeti többletköltségek ellenére is körülbelül 85%-os összköltség-megtakarítás érhető el. Ettől kezdve a rendszer folyamatosan költséghatékonyabban működik, és teret biztosít nagyobb sávszélességeknek és jövőbeli bővítéseknek.
Példa orvosi folyadéktartályokra: Az erős JPEG-tömörítés ellenére a képminőség csak minimálisan romlik. A követelményeknek megfelelően kiválasztható a megfelelő minőség, így a fontos részletek, például a címkézés, olvashatók maradnak.
„Megéri, ha megvizsgáljuk a képfeldolgozási láncot az érzékelőtől a kamera FPGA-ján át a számítástechnikai architektúráig, gyakran nyilvánvalóvá válnak a hatékonysági lehetőségek.”
Az adatcsökkentés jelentősen csökkenti a szükséges számítástechnikai hardvert. Az eredmény:
Nagy teljesítményű képfeldolgozó rendszerek maximális költséghatékonysággal.
Mely alkalmazásokban különösen érdemes az adatcsökkentést alkalmazni?
A hagyományos képfeldolgozó rendszerek gyorsan elérik határaikat, amikor a gyártósorok gyorsabbá válnak, miközben egyidejűleg a legmagasabb minőségi követelményeknek is meg kell felelniük. Az adatcsökkentő rendszerek ideálisak olyan nagy sebességű alkalmazásokhoz, amelyek maximális ellenőrzési pontosságot igényelnek.
- Nyomtatott áramköri lapok (PCB) 3D-s AOI-vizsgálata
- Szelet és mikrochip-vizsgálat
- Kijelző-vizsgálat
