Ipari automatizálási és számítógépes képfeldolgozó alkalmazások
Az Industry 4.0 kezdeményezés felelős azért, hogy az ipari automatizálási alkalmazásokhoz használt IIoT-eszközök (IIoT – ipari tárgyak internete) széles körét egyre nagyobb számban alkalmazzák. Az IIoT-eszközök a gyártóüzemek eszközeinek ellenőrzésére és vezérlésére szolgálnak, illetve a berendezések állapotának felmérésére és elemzésére is használják őket a karbantartás, javítás és nagyjavítás rendszerének részeként. Az érzékelők létfontosságúak, legyen szó hőmérsékletmérésről vagy folyadéknyomás-érzékelésről, illetve a kamerák is nélkülözhetetlenek a képfeldolgozó alkalmazásokhoz. Érzékelőket is használnak, hogy a digitális mikrofonokkal szerzett adatokat hangfeldolgozó neurális hálózati algoritmusok segítségével feldolgozva ellenőrizzék a rezgést. A látás is egy kulcsfontosságú érzékelési technika, amelyet például annak biztosítására használnak, hogy a címkék megfelelően legyenek felhelyezve a palackokra egy palackozó gyártósoron, illetve a működési biztonsági alkalmazásokban is használják a berendezések leválasztására, amikor a személyzet veszélyes területre lép be.
A képfeldolgozó megoldás felépítése
A modern gyárak mindegyikében található számítógép-alapú képfeldolgozás, amelyet a legkülönfélébb alkalmazásokban használnak. A számítógépes képfeldolgozás egy vagy több, számítógépes rendszerhez csatlakoztatott videokamera használatán alapul. A feladat jellege határozza meg az adott feldolgozás összetettségét és a szükséges számítási erőforrásokat. Például egy olyan alkalmazásnál, ahol a rendszer a címkék elhelyezésének pontossága alapján fogadja el vagy elutasítja el a palackokat, nincs feltétlenül szükség több kamerára és erős számítási erőforrásokra. Már eléggé hétköznapinak mondható egy olyan algoritmus, amely Kalman-szűrőkön alapuló szoftvert használ ahhoz, hogy az üvegeken lévő címkék széleinek az üveg egy előre meghatározott területén érzékelje. Azonban egy olyan alkalmazás, amelynek különbséget kell tennie a hidraulikus prést használó személy végtagjai és a feldolgozandó fémlemezek között, az már összetettebbnek mondható.
Ehhez az alkalmazáshoz már gépi tanulásra képes neurális hálózat és több különböző kameraszög is szükséges lehet, hogy megfeleljen a funkcionális biztonsági követelményeknek. A konvolúciós neurális hálózat a legjobb megoldás a látásalapú objektumérzékelési feladatokhoz, és ezt a telepítés előtt be kell tanítani. A betanítást követően a neurális hálózat használatát inferenciának nevezzük. A betanítási folyamat során a rendszer több száz helyes és helytelen képet vizsgál meg a jellemzők azonosításához és megkülönböztetéséhez az osztályozás elősegítése érdekében. Példa egy képfeldolgozási megoldás architektúrájára 1. ábra.
Az alkalmazás szempontjából számos gyakorlati szempont van, amelyet a fejlesztési csapatnak figyelembe kell vennie. Ezek közé tartozik az észlelendő objektumok típusa, az érzékelési zóna környezeti fényviszonyai, a kamera látómezőjében elhaladó objektumok sebessége, a szükséges objektumazonosítási sebesség, valamint hogy kell-e több kameraállás a feladat megbízható elvégzéséhez.
A működési környezetet is meg kell vizsgálni; mint például a pornak és nedvességnek kitett alkalmazásoknál a kamerába és a vezérlőelektronikába való behatolás elleni védelem szükségessége. Emellett a rezgés és a rázkódás is megzavarhatja a képminőséget, így az érzékelés kevésbé lesz megbízható.
Az objektumok vagy jellemzők érzékelésének időzítése kritikus fontosságú. A gyártósorokat gyakran nagy sebességgel üzemeltetik, hogy fenntartsák a gyár hatékonyságát és elérjék a termelési célokat. A fenti egyszerű palackozóüzemes példában a számítógépes képfeldolgozási alkalmazásnak pontosan kell rögzítenie és feldolgoznia a képet, illetve időben meg kell határoznia a címke állapotát, hogy az azonosított palackot megtartsa vagy elutasítsa-e a rendszer.
Bemutatjuk az Arduino Pro Portenta és a Portenta Vision Shield rendszert
A közelmúltban bemutatott Arduino Pro Portenta platform egy ideális mikrovezérlő-platform ipari gépi vizuális megoldások prototípusának készítéséhez.
Az Arduino mikrovezérlő-fejlesztőkártyák termékcsaládját a kezdetben még csak oktatási prototípus-készítésre tervezték az amatőrök és gyártók számára, de továbbfejlesztették, hogy az innovátorok és ipari berendezésgyártók kihívást jelentő igényeinek is megfeleljen.
Számos fiatal elektronikai hallgató az Arduino platformnak köszönheti karrierje beindulását, és ezzel a megfizethető és rendkívül sokoldalú, egypaneles beágyazott rendszerrel az innovátorok is könnyedén elkészíthetik új termékötleteket prototípusait. Az Arduino nyílt forráskódú megközelítése, valamint az elektronikai iparban egyre nagyobb számban elérhető bővítőpanelei és a széles körű szoftvertámogatása révén az Arduino számos új terméktervezet beágyazott platformja lett. Az Arduino utazásának következő állomása a közelmúltban kezdődött, amikor megjelentek az ipari piacra szánt Arduino Pro kártyák és modulok.
A kétmagos Arduino Portenta H7 az első olyan kártya a Pro kártyasorozatból, amely megfelel az ipari és kereskedelmi alkalmazások igényeinek is. A Portenta H7 egy jól felszerelt megoldás az ipari gépi vizuális alkalmazásokhoz. A népszerű Arduino MKR kártyacsomag formáját örökölte, amelyhez az Arduino összes meglévő kiegészítő kártyája és védőeleme használható. A Portenta Vision védőelem vezetékes Ethernet vagy vezeték nélküli LoRa interfésszel is elérhető, így ideális választás az ipari számítógépes vizuális alkalmazásokhoz.
Az Arduino Portenta H7 kártyán egy ARM Cortex-M7-vel és ARM Cortex-M4 maggal ellátott, kis energiaigényű STMicro STM32H747XI mikrovezérlő is helyet kapott. Mindkét mag lebegőpontos egységekkel (FPU) rendelkezik, a M7 FPU így kétszeres pontosságú számításokat tud biztosítani. Az M7 mag akár 480 MHz-en, az M4 mag pedig akár 240 MHz-en is képes működni. Az M4 mag integrált, adaptív, valós idejű gyorsító GPU-val is rendelkezik, amelyet kifejezetten neurális hálózati algoritmusok futtatására terveztek. Az H7 energiagazdálkodásáról három teljesítménytartomány gondoskodik, amelyek az alkalmazással vagy órajel-kapuzással kapcsolhatók be és ki. A Portenta kártyát egyetlen 5 V-os (DC) forrás táplálja, és ha az RTC engedélyezett állapotában készenléti üzemmódban van, az energiafogyasztás jellemzően 2,9 uA. A beépített PMIC lehetővé teszi a Li-Po/Li-ion akkumulátor töltését.
A kártya periférikus csatolói közé tartozik több I2C-, USART-, SPI- és CAN-port, egy 8 bites kameracsatoló és egy MIPI DSI-állomás. Az analóg–digitális támogatásért két 12 bites DAC és három 16 bites ADC felel.
Az Arduino Portenta Vision Shield nagy sűrűségű csatlakozókkal csatlakozik a Portenta H7 kártyához. A beépített, nagyon alacsony fogyasztású Himan HM-01B0 kamera QQVGA és QVGA felvételek készítésére alkalmas 15 fps és 120 fps között. A védőelembe két MEMS mikrofon is be van építve. A Portenta H7 két magjának köszönhetően a MicroPython-kódok és az Arduino C-vázlatok külön magokon futtathatók.
A szoftvertámogatás felgyorsítja a számítógépes vizuális alkalmazások telepítését
A Portenta H7 és a Portenta Vision Shield kártyákat teljes mértékben támogatja a népszerű Arduino IDE továbbfejlesztett változata. Ezenkívül egy felhőalapú szerkesztő és egy parancssoros interfészszerkesztő is rendelkezésre áll. Az Arduino 2 IDE-n keresztül teljes kamera- és mikrofonkönyvtár-támogatás érhető el, és az Arduino weboldalon számos különböző oktatóanyag található.
A nyílt forráskódú gépilátás-tanulási keretrendszer, az OpenMV, illetve az OpenMV IDE támogatja a Portenta kártyákat. Az OpenMV a Python-nyelven alapul, és lehetővé teszi a MicroPython-alapú látási alkalmazások fejlesztését a Portenta H7 kártyán. Például az Arduino weboldalon az OpenMV és az Edge Impulse használatával végzett gépi látásos osztályozást bemutató oktatóanyag is elérhető.
A neurális hálózat különféle képosztályozási technikákat használ az almák és banánok érzékelésére, de az alkalmazott koncepció és eljárás a palackcímkéző alkalmazáshoz is használható.
Arduino Pro Portenta – az ipari számítógépes látási tervek gyors nyomon követése
A beágyazott fejlesztők és iparialkalmazás-tervezők számára elég ijesztő élmény lehet belekezdeni egy gépi látási projektbe. A megfelelő prototípus-készítő platform kiválasztása előtt a neurális hálózati algoritmus koncepciójának meghatározása is kihívást jelenthet. Az Arduino Portenta H7 és a Portenta Vision Shield jelentősen leegyszerűsíti a fejlesztési folyamatot. Emellett az iparágban már bevált és nagy mértékben támogatott gépi tanulási keretrendszerek, könyvtárak és oktatóanyagok támogatásával a gépi látási alkalmazások kifejlesztésével kapcsolatos kihívások nagy mértékben leegyszerűsödtek.
Arduino Portenta H7 mikrovezérlő kártya
Arduino Portenta Vision Shield