視覺 AI 是發(fā)展最快的嵌入式人工智能學(xué)科之一，它加入了 AI 增強(qiáng)的語音工具和實(shí)時(shí)分析，成為快速收集、處理和訓(xùn)練大量數(shù)據(jù)的一種手段。根據(jù) ITR Economics 的預(yù)測，視覺 AI 市場預(yù)計(jì)將從 2020 年的 5 億美元增長到 2025 年的 13 億美元，復(fù)合年增長率為 22%。

該行業(yè)不斷從嚴(yán)重依賴云連接通信轉(zhuǎn)向網(wǎng)絡(luò)邊緣的 AI 解決方案，推動(dòng)了對(duì)嵌入式視覺 AI 解決方案的需求。雖然基于邊緣的 AI 系統(tǒng)允許最終用戶以前所未有的規(guī)模和速度做出明智的決策，但他們必須在提供優(yōu)化的處理速度、能耗和客戶易用性的同時(shí)做出明智的決策。

作為致力于將 AI 優(yōu)勢帶給廣大客戶的嵌入式技術(shù)解決方案領(lǐng)導(dǎo)者，瑞薩電子最近推出了我們最新的基于視覺的 AI 解決方案 [RZ/V2H 微處理器]（MPU） 平臺(tái)。這種新的機(jī)器人自動(dòng)化方法專為工業(yè)、家庭、辦公室和智慧城市應(yīng)用而開發(fā)，使設(shè)計(jì)人員能夠快速輕松地將視覺傳感系統(tǒng)嵌入到邊緣或端點(diǎn)，而不會(huì)產(chǎn)生基于云的解決方案的成本、延遲和功耗損失。

提升視覺 AI 處理性能

全新瑞薩電子四核 RZ/V2H MPU 單一平臺(tái)可加速多圖像處理，并通過支持多達(dá)四個(gè)攝像頭（使用隨附的 USB 端口時(shí)為六個(gè)）來提高自動(dòng)化工廠設(shè)備、機(jī)器人控制、運(yùn)輸系統(tǒng)和許多其他終端應(yīng)用的準(zhǔn)確性。

從原始性能的角度來看，RZ/V2H 平臺(tái)包括瑞薩電子的第三代動(dòng)態(tài)可重構(gòu)處理器 （DRP）。專有的 [DRP-AI3] AI 加速器的性能比以前的型號(hào)提高了 10 倍，這使得新的 MPU 平臺(tái)能夠?qū)⑻幚硭俣忍岣叩矫棵?80 萬億次操作 （TOPS），而上一代 MPU 的處理速度為 0.5 - 1.0 TOPS。

瑞薩電子還利用其專有的 DRP 技術(shù)開發(fā)了 [OpenCV 加速器]，該加速器可加快 OpenCV 的處理速度，OpenCV 是一個(gè)用于計(jì)算機(jī)視覺處理的開源行業(yè)標(biāo)準(zhǔn)庫。DRP-AI3 和 OpenCV 加速器的結(jié)合增強(qiáng)了 AI 計(jì)算和圖像處理算法，處理數(shù)據(jù)的速度比傳統(tǒng) CPU 快 16 倍。

圖像

高能效設(shè)計(jì)消除了 AI 視覺系統(tǒng)中的風(fēng)扇和散熱器

得益于 DRP-AI3 加速器的先進(jìn)設(shè)計(jì)，新的 MPU 平臺(tái)將功率效率提高到 10 TOPS/W，比早期解決方案節(jié)省 10 倍的能源。這種極其節(jié)能的設(shè)計(jì)消除了競爭解決方案所需的風(fēng)扇和散熱器需求，為在功耗敏感型網(wǎng)絡(luò)邊緣運(yùn)行的 AI 應(yīng)用節(jié)省了大量空間、成本和設(shè)計(jì)時(shí)間。

瑞薩電子使用一種新穎的硬件和軟件方法實(shí)現(xiàn)了這一突破，其中包括 AI 加速器和主處理器之間的協(xié)調(diào)，以便快速處理各種算法。DRP-AI3 加速器的其他節(jié)能創(chuàng)新包括 AI 模型輕量級(jí)，包括量化以降低神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)的比特率，以及修剪，這是一種通過設(shè)置權(quán)重信息來提高機(jī)器學(xué)習(xí)模型效率來跳過計(jì)算的技術(shù)。

瑞薩電子的視覺 AI MPU 平臺(tái)讓客戶的生活更輕松

為了提高客戶的易用性，瑞薩電子除了發(fā)布了預(yù)訓(xùn)練模型的 AI 應(yīng)用庫和 AI SDK 外，還發(fā)布了 RZ/V2H 評(píng)估板。這些新工具共同幫助工程師在設(shè)計(jì)流程的早期輕松評(píng)估應(yīng)用程序，即使他們?nèi)狈V泛的 AI 知識(shí)。這包括準(zhǔn)備 [50 多個(gè)應(yīng)用示例]，這些示例可以免費(fèi)下載并用于多種最終用途。隨著另外 50 個(gè)應(yīng)用示例即將發(fā)布，設(shè)計(jì)人員可以利用大量潛在的用例，其中包括：

• 缺陷檢查： 監(jiān)控工廠生產(chǎn)以檢測產(chǎn)品中的視覺故障
• 非接觸式工業(yè)控制： 用手勢取代物理控制
• 作物保護(hù)： 在流浪動(dòng)物或野生動(dòng)物損壞農(nóng)作物之前提醒農(nóng)民
• 電梯用途： 實(shí)現(xiàn)非接觸式控制和乘客計(jì)數(shù)
• 停車位預(yù)訂： 實(shí)時(shí)數(shù)據(jù)跟蹤停車位空置情況
• 智能POS： 優(yōu)化的零售結(jié)賬

未來，我們預(yù)計(jì)視覺 AI 將由邊緣的生成式 AI 補(bǔ)充，這將根據(jù)特定的數(shù)據(jù)執(zhí)行需求和所需的性能水平，將設(shè)計(jì)復(fù)雜性提高到一個(gè)新的水平。今天，生成式 AI 仍然是一種成本高昂且耗電的選擇，主要用于處理大量數(shù)據(jù)集，但我們相信隨著時(shí)間的推移，兩者將協(xié)同工作，以促進(jìn)靈活、可擴(kuò)展、具有成本效益的決策。

兩者相結(jié)合可以實(shí)現(xiàn)更復(fù)雜的圖像處理，甚至可以將嵌入式視覺系統(tǒng)與其他 AI 處理模型集成。無論哪種方式，趨勢都是不可避免的：AI 正在進(jìn)入網(wǎng)絡(luò)邊緣。

審核編輯 黃宇