Page 16 - VSDC_JulAug2018_eMag

技术趋势
Technology Trends

API 进行配置。例如，将运动探测器
元件和面部识别元件组合起来，可以
Upload and
login to Tag images Al generated 实现元件的流水线（见图 4）。在这种
the cloud solutuion
情况下，当探测到运动时，软件会尝
试探测图像中的面部。
尽管取得了这些进展，但要使“云
Acquire images Review new images 中”机器视觉成为现实，还有很多事
Review results
情需要完成。现在新兴的基于智能
FPGA 的相机可以执行板载坏点校正

Images automatically Deploy to 和 Bayer 插值，GenICam 等标准格式
sent to cloud
production 可以在 XML 描述文件中描述这种相
图3：在实施其基于云的Neural Vision软件时，Cyth Systems公司提供了一种培训机器视觉系统以自动识别 机的属性，高速光纤接口可用于许多
缺陷等特征的方法。将图像上传到云端服务器系统后，图像的关键特征被手动标记、处理和分类。然后分 此类相机。
析结果，以确定特征已被识别的精确度，如果结果令人满意，则将系统部署在生产线上。
为了确保大图像可以有效地传输
图像上传到 AWS 或基于谷歌的云端 理，以及这种分析的结果是否能及时 到主机，需要高速、低延迟的网络将
服务器系统后，图像的关键特征被手 用于控制基于网络的系统，如机器人、 这些数据传输到基于云的系统。在那
动标记（见图 3）。 驱动器和照明控制器。 里，系统集成商可能需要多个通用、
利用 NI 开发的图像处理算法， “在延迟、抖动和数据包丢失方 分布式计算机，可配置和可分区的
对图像特征执行边缘检测和颜色分 面的严格要求，使通用云不适合实 FPGA，以及基于 GPU 的处理器来执
析，然后图像分类器使用结果来提 时交互式多媒体服务，”西班牙胡安 行图像处理任务。为了确定实时机器
供对象进行分类的加权值。“一旦 Motion detector
这 个 过 程 完 成，”Bieber 说，“Cyth
Systems 与其客户分析结果，以确定 WebRtc endpoint
Sink SRC
特征的识别准确度。如果结果令人满
意，系统将部署在生产线上。” SRC
与 Cyth Systems 公司一样，加
Face detector
拿大 Matrox 公司的 Matrox 成像库 Sink
WebRTC
（MIL）也用于处理基于云的系统中
SRC Sink
的大型数据集。为此，Matrox 的客户
可以授权 MIL 在 Microsoft 的云平台
Azure 上运行。其中一位客户提供的
图4：组合运动探测器元件和面部识别元件，可以实现元件的流水线。在这种情况下，当探测到运动时，
服务可以自动检查客户上传到云端的 将尝试探测图像中的面部。
蓝图。然后使用 MIL 识别这些图纸 卡洛斯国王大学的 Luis López 教授 视觉应用是否能够以这种方式执行，
上的符号，以生成详细的内容报告， 说。出于该原因，欧盟委员会资助了 需要开发软件工具来确定这种系统的
然后将其提供给客户的客户。 NUBOMEDIA，这是一款开源 PaaS， 延迟、抖动和数据包丢失。更重要的
基于云计算的机器视觉和图像 允许使用简单的 API 来配置计算机视 是，即使已开发好，说服那些工厂的
处理系统的未来取决于一些变量，例 觉应用程序。 工作人员将这些任务交给基于远程服
如安装可以传输图像数据而没有过度 基于 Kurento、Web 实时通信 务器系统的工作人员，也不是一件容
延迟、抖动和数据包丢失的网络，图 （WebRTC）协议和 API，计算机视 易的事。
像数据是否能以可接受的速度进行处 觉算法将使用抽象底层代码复杂性的

14 Jul/Aug 2018 视觉系统设计 Vision Systems Design China