近年来，随着摄像头传感器不断进行技术升级，智能互联网协议摄像头逐渐取代模拟摄像头，基于人工智能和深度学习的视频分析取得进展，FPGA 超出了基于视觉的系统所需的许多关键要求：出色的每瓦性能、低延迟、确定性和灵活性。结合英特尔® CPU，基于 FPGA 的加速器解决方案现在可用于下一代视觉基础设备的架构重新设计。





关于机器视觉





机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉是用机器代替人眼来做测量和判断。除了数字图像采集和分析之外，机器视觉 (MV) 还可搭配使用高速摄像头和计算机来执行复杂的检查任务。客户可以将得到的数据用于模式识别、对象排序、机械臂控制等。FPGA 适用于 MV 摄像头，使设计能够适应各种图像传感器以及 MV 特定接口。FPGA 还可在边缘计算平台中用作视觉处理加速器，以利用人工智能深度学习的能力来分析 MV 数据。 



当前，MV 的主要应用领域包括：
缺陷检测

计量

导航、零件跟踪和识别

光学字符识别和验证 (OCR/OCV)

模式识别

封装、产品、表面和网络检测



图片



英特尔® FPGA 在下一代的 MV 摄像头、抓帧器和视觉控制器中扮演着关键角色：
支持人工智能 AI 深度学习框架、模型和拓扑结构，以实施基于 FPGA 的卷积神经网络 (CNN) 推理加速器；

具有与多种类型的图像传感器和 MV 系统设备连接的灵活性；

快速处理以集成包含各种技巧（比如缺陷像素校正、gamma 校正、动态范围校正以及噪声抑制）的全图像传感器管道 (ISP) 知识产权 (IP)。





英特尔® FPGA 的优势





在机器视觉领域，英特尔® FPGA 的优势主要体现在性能、灵活性和互联三个方面。如下方所述，诸如英特尔® MAX®10、Cyclone® 和 Arria® 设备系列等 FPGA 能够帮助 MV 设计人员实现：
在抓帧器电路板上进行高性能图像预处理（使用 Camera Link 等协议），实现实时帧速率；

将实时功能集成到摄像头系统中，实现面向像素的增益控制、缺陷像素补偿，并扩大动态范围等等；

利用 FPGA 的灵活性支持不断演进的摄像头接口；

实施各种总线接口，比如 PCI*、PCIe*、Gbps Ethernet、USB、CoaxPress 等；

在单个 FPGA 上集成多种功能，如图像采集、摄像头接口、预处理和通信功能；

使用 SoC FPGA（例如 Cyclone® V SoC FPGA）， 可以将您的图像信号处理管道与执行 ARM* A9 硬处理器系统的机器视觉算法相结合，构建完整的机器视觉片上系统；

使用 Mathworks* 的 Simulink 和 Embedded Coder 生成面向 Cyclone® V SoC FPGA 的 C/C++ 代码。与 HDL Coder 的英特尔® SoC 支持组合使用时，该解决方案可用于硬件/软件工作流，包括英特尔® SoC 上的模拟、原型设计、验证和实施。





应用案例







使用多个 GigE 摄像头的 GigE 视觉应用示例


图片
由 Pleora Technologies Inc. 提供



客户可以使用英特尔® MAX® 10 FPGA、Cyclone® IV、Cyclone® V 设备系列等 FPGA 实施 GigE Vision 应用，从而获取多项主要优势：
在单个 FPGA 设备上集成图像采集、摄像头接口、预处理和通信等功能。

随着产品的演进灵活支持各种摄像头接口和总线接口。

主板更小、组件数量更少、硬件重制最少，从而降低总体拥有成本 (TCO)。

FPGA 生命周期长，且轻松迁移至最新 FPGA 系列，从而降低产品过时风险。




使用英特尔® Cyclone® IV FPGA 的 Camera Link 示例


图片


Camera Link 是一种串行通信协议，旨在支持点对点自动化视觉应用。它基于 Texas Instruments*（前身为 National Semiconductor）的通道链路接口，经过扩展可支持通用 LVDS 数据传输。

如上图所示，客户可以利用 Cyclone® IV 和 Cyclone®V 设备之类的低成本 FPGA 来创建高性能的 Camera Link 应用，从而降低您的总拥有成本，并增加投资回报 (ROI)。如果您需要更高的性能，请使用英特尔® Cyclone® 10 FPGA、英特尔® Arria® 10 FPGA 或英特尔® Stratix® 10 FPGA。
联系我时，请说是在东莞机械网看到的，谢谢！