視覺AI是發(fā)展最快的嵌入式人工智能學(xué)科之一，瑞薩電子正在提供強大的解決方案來滿足這一市場需求。

視覺AI是發(fā)展最快的嵌入式人工智能學(xué)科之一，它與AI增強型語音工具和實時分析相結(jié)合，成為快速收集、處理和訓(xùn)練海量數(shù)據(jù)的手段。根據(jù)ITR Economics預(yù)測，視覺AI市場規(guī)模有望從2020年的5億美元增長到2025年的13億美元，復(fù)合年增長率達22%。

當前，業(yè)界正逐漸減少對云連接通信的依賴度，轉(zhuǎn)而采用網(wǎng)絡(luò)邊緣的AI解決方案。這一趨勢有力推動了嵌入式視覺AI解決方案的需求。然而，盡管基于邊緣的AI系統(tǒng)能夠讓終端用戶以前所未有的規(guī)模和速度做出明智的決策，但它們也必須同時提供優(yōu)化的處理速度、能耗和客戶易用性。

作為嵌入式技術(shù)解決方案的佼佼者，瑞薩一直致力于幫助廣大客戶充分挖掘并利用AI的巨大潛力。最近，公司推出了基于視覺AI的全新解決方案——RZ/V2H微處理器（MPU）平臺。這款產(chǎn)品面向機器人自動化領(lǐng)域，為工業(yè)、家居、辦公和智慧城市應(yīng)用量身打造，能夠使設(shè)計人員輕松、迅速地在邊緣或終端應(yīng)用中嵌入視覺傳感系統(tǒng)，從而擺脫云解決方案在成本、延遲及功耗方面的束縛。

提升視覺AI處理性能

瑞薩全新四核RZ/V2H MPU單平臺具有出色的圖像處理能力，能夠顯著提升多圖像處理速度。該平臺支持多達4臺攝像頭設(shè)備（通過附帶的USB端口，可將設(shè)備輕松擴展至6臺），從而大幅提升自動化工廠設(shè)備、機器人控制、運輸系統(tǒng)以及多種終端應(yīng)用的精確度。

從原始性能角度來看，RZ/V2H平臺集成了瑞薩第三代動態(tài)可配置處理器（DRP）。相比前代產(chǎn)品，DRP-AI3AI加速器的性能提升了10倍之多，使得新一代MPU平臺的處理速度從上一代的0.5-1.0萬億次運算每秒（TOPS）躍升至80 TOPS。

瑞薩還利用其專有的DRP技術(shù)開發(fā)了OpenCV加速器，提升了OpenCV（計算機視覺處理開源行業(yè)標準庫）的處理速度。DRP-AI3與OpenCV加速器的組合可將數(shù)據(jù)處理速度提高至傳統(tǒng)CPU的16倍，不僅增強了AI計算能力，還提升了圖像處理算法的性能。

高效節(jié)能設(shè)計助力AI視覺系統(tǒng)擺脫風扇和散熱片

得益于DRP-AI3加速器的卓越設(shè)計，新款RZ/V2H MPU平臺成功將能效提升至10 TOPS/W，比早期解決方案節(jié)能10倍。顯著的節(jié)能優(yōu)勢擺脫了競品解決方案所需的風扇和散熱片設(shè)計，為在網(wǎng)絡(luò)邊緣的功耗敏感型運行的AI應(yīng)用節(jié)省了空間、成本和設(shè)計時間。

瑞薩通過采用創(chuàng)新的軟硬件協(xié)同方法來實現(xiàn)這一突破，其中包括AI加速器與主處理器之間的協(xié)調(diào)，以便快速處理各種算法。不僅如此，DRP-AI3加速器的節(jié)能創(chuàng)新還體現(xiàn)在AI模型輕量化，如通過量化降低神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)的位權(quán)重，以及剪枝技術(shù)——即利用設(shè)置權(quán)重信息來跳過計算，從而提高機器學(xué)習(xí)模型的效率。

瑞薩視覺AI MPU平臺讓客戶的生活更輕松

為提高客戶易用性，瑞薩不僅推出了RZ/V2H評估板，還發(fā)布了包含預(yù)訓(xùn)練模型的AI應(yīng)用庫及AI SDK。這些新工具極大簡化了工程師在設(shè)計流程早期階段的評估工作——即使他們不具備豐富的AI知識。在瑞薩官網(wǎng)，還提供了覆蓋多種終端應(yīng)用場景的實例供用戶參考。其中，已有超過50個應(yīng)用實例可供用戶免費下載。而另外的50個應(yīng)用實例也即將發(fā)布，它們?yōu)樵O(shè)計人員創(chuàng)造了豐富的潛在使用案例，包括：

缺陷檢測：監(jiān)控工廠生產(chǎn)，檢測產(chǎn)品中的可見缺陷

非接觸式工業(yè)控制：用手勢取代物理控制

農(nóng)作物防御：在流浪或野生動物破壞農(nóng)作物之前向農(nóng)民發(fā)出警報

電梯使用：實現(xiàn)非接觸式控制和乘客計數(shù)

停車預(yù)約：實時跟蹤空停車位數(shù)據(jù)

智能POS：優(yōu)化零售結(jié)賬流程

展望未來，我們預(yù)見生成式AI將為視覺AI在邊緣提供有力支持，在此背景下，基于特定的數(shù)據(jù)執(zhí)行需求和所期望的性能水平，也會帶來新級別的設(shè)計復(fù)雜度。目前，生成式AI仍是一種高成本、高耗電的選擇，主要用于處理海量數(shù)據(jù)集，但我們相信，隨著時間的推移，兩者實現(xiàn)協(xié)同工作，將推動決策過程變得更加靈活、可擴展和經(jīng)濟高效。

二者的結(jié)合將能夠?qū)崿F(xiàn)更復(fù)雜的圖像處理，甚至將嵌入式視覺系統(tǒng)與其它AI處理模型整合。無論哪種方式，大勢所趨：AI正在穩(wěn)步向網(wǎng)絡(luò)邊緣邁進。

審核編輯：劉清