KI Vision Kit

Embedded-Designplattform mit SoC-FPGA-Architektur
Kommt bei der Bildverarbeitung KI ins Spiel, muss oft eine leistungsfähige und teure Hardware verwendet werden. Der Ansatz des C-Vision-Kits besteht darin, eine flexible SoC-FPGA-Architektur mit einer performanten Vision Processing Unit (VPU) zu kombinieren und mit industriellen Kameras als Entwicklungsplattform bereitzustellen.

Bild 1 | Das C-Vision-Kit ist eine Designplattform für industrielle Anwendungen mit Embedded Vision und künstlicher Intelligenz (KI). Zwei Basler Dart-Kameras (l.o.) werden über das C-Vision-Adapterboard mit dem FPGA-System verbunden.
Bild 1 | Das C-Vision-Kit ist eine Designplattform für industrielle Anwendungen mit Embedded Vision und künstlicher Intelligenz (KI). Zwei Basler Dart-Kameras (l.o.) werden über das C-Vision-Adapterboard mit dem FPGA-System verbunden.Bild: Aries Embedded GmbH

Basis des C-Vision-Kits von Aries Embedded ist das System-on-Module (SoM) MCV, das auf der CycloneV-SoC-FPGA-Architektur von Intel PSG basiert. Für die Verbindung in die Außenwelt wird das SoM auf das MCVEVP-Trägerboard gesteckt. Zwei Basler dart-Kameras werden über das C-Vision-Adapterboard mit dem FPGA-System verbunden. Als Option kann eine mini-PCI-Express Karte zur zusätzlichen Erweiterung der Funktionalität eingesteckt werden. Die Verwendung einer VPU-Beschleunigerkarte mit Intel Movidius Myriad als Referenz ist zudem geplant.

FPGA-Plattformen

Um den steigenden Anforderungen an Bildverarbeitungsanwendungen Rechnung zu tragen, können leistungsfähigere CPU-Architekturen verwendet werden. Diese skalieren über die Taktfrequenz und die Anzahl der verfügbaren Rechenkerne. Alternativ lassen sich FPGA-Plattformen als Rechnerkerne einsetzen, da nicht jede Anwendung die Verwendung von gut ausgestatteten Multicore-Rechnern budgetiert. Dabei wird die Funktionalität von FPGAs durch den Entwickler vorgegeben. Die Implementierung von Kameras und Bildsensoren erfolgt sowohl über klassische Schnittstellen, wie Camera Link, als auch über aktuelle Schnittstellen, wie MIPI-CSI. Mit dem MCV-SoM setzt Aries auf die CycloneV-SoC-FPGA-Architektur von Intel PSG. In diesem Baustein sind zwei ARM-CortexA9-Kerne mit einem FPGA auf einem Chip verbunden. Sie vereinen die Vorteile von Rechnerarchitekturen mit denen von FPGAs. MCV wird durch aktuelle Versionen freier Software, wie U-Boot und Embedded Linux, unterstützt und bietet Yocto und Buildroot als Entwicklungsumgebung für die Softwareentwicklung. Im C-Vision-Kit wird das SoM auf seiner Entwicklungsplattform MCVEVP betrieben. Das Basisboard stellt alle im SoC-FPGA hart codierten Schnittstellen, Ethernet, RS232, CAN und USB auf Steckverbindern bereit, die FPGA -Pins stehen auf Pfostenleisten oder dem HSMC-Stecker, auf dem auch der C-Vision-Adapter steckt, zur Verfügung.

Bild 2 | Basis des C-Vision-Kits ist das System-on-Module MCV, das auf der CycloneV-SoC-FPGA-Architektur von Intel PSG basiert.
Bild 2 | Basis des C-Vision-Kits ist das System-on-Module MCV, das auf der CycloneV-SoC-FPGA-Architektur von Intel PSG basiert.Bild: Aries Embedded GmbH

Boardlevel-Kamera & KI-Beschleunigerkarte

Zum Einsatz kommt bei dem Kit auch die Boardlevel-Kameraserie dart von Basler. Die Produktfamilie umfasst zahlreiche Modellvarianten mit Auflösungen von 1.280×960 bis 2.592×1.944 Pixeln und Bildraten von maximal 60fps (bis 160fps für USB3.0). Die Kameras haben einen minimalen Platzbedarf von 27x27mm und stehen mit unterschiedlichen Objektivmounts zur Verfügung. Im C-Vision-Kit lassen sich bis zu zwei dart-Kameras über BCON for LVDS an das FPGA anbinden. Ergänzt wird das Kit zudem mit einer KI-Beschleunigerkarte, die in den miniPCI-Express-Slot des C-Vision-Adapterboards eingesteckt wird. Die Karte basiert auf der Movidius Myriad X VPU von Intel. Neben den dedizierten Vision-Funktionen verfügt diese über eine komplett einstellbare ISP-Pipeline für anspruchsvollste Bild- und Videoanwendungen. Sie unterstützt die hardwarebasierte Codierung für Videoauflösungen von bis zu 4K. Sie verfügt über einen Neural Compute Engine, sowie über einen dedizierten Hardware-Beschleuniger, um tiefe neuronale Netzwerkanwendungen auf dem System auszuführen. Softwareseitig wird die Beschleunigerkarte durch das OpenVino Toolkit von Intel unterstützt. Dieses kann plattformübergreifend auf verschiedenen Host-Betriebssystemen eingesetzt werden und besteht aus dem Deep Learning Deployment Toolkit (Modelloptimierer und Inferenzmaschine), optimierten Funktionen für OpenCV/OpenVX sowie über 15 Beispielcodes und vortrainierte Modelle. Training bedeutet in diesem Kontext, dass das System aus vorhandenen Daten lernt bzw. die Daten neu angelernt/erfasst, werden.

Aries Embedded GmbH

Das könnte Sie auch Interessieren

Bild: Fraunhofer IEM
Bild: Fraunhofer IEM
Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Welcher Liefertermin steht wann an? Wie aufwändig muss die Maschine umgerüstet werden? Ist das benötigte Material bereits geliefert? Um die Reihenfolge verschiedener Kundenaufträge optimal zu planen, müssen Produktionsplaner:innen eine Vielzahl von Faktoren kennen und einschätzen. Bei Schulte Kartonagen hat ab sofort ein intelligenter KI-Assistent alle Faktoren im Blick – und macht Vorschläge für die effiziente Planung der Produktion. Gefördert wurde die Zusammenarbeit mit dem Fraunhofer IEM und den Universitäten Paderborn und Bielefeld im it’s OWL-Projekt ARISE.

Bild: schoesslers GmbH
Bild: schoesslers GmbH
appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

Das gemeinnützige appliedAI Institute for Europe stellt den kostenfreien Online-Kurs ‚AI Essentials‘ zur Verfügung, der es Interessierten ermöglicht, in die Welt der Künstlichen Intelligenz einzusteigen. Konzepte wie maschinelles Lernen und Deep-Learning sowie deren Anwendungsmöglichkeiten und Auswirkungen auf unser Leben und unsere Wirtschaft sind Teile der umfassenden Einführung.

Bild: Trumpf SE + Co. KG
Bild: Trumpf SE + Co. KG
Künstliche Intelligenz macht Fabriken clever

Künstliche Intelligenz macht Fabriken clever

Seit dem Siegeszug des Chatbots ChatGPT ist künstliche Intelligenz in aller Munde. Auch in der industriellen Produktionstechnik kommt KI mit großen Schritten voran. Lernende Maschinen machen die Fertigung effizienter. Wie funktioniert das genau? Das können Interessierte auf der EMO Hannover 2023 vom 18. bis 23. September erfahren. Die Weltleitmesse für Produktionstechnologie wird ihr Fachpublikum unter dem Claim ‚Innovate Manufacturing‘. mit frischen Ideen inspirieren und künstliche Intelligenz spielt dabei ihre Stärken aus.

Bild: Mitsubishi Electric Corporation, Japan
Bild: Mitsubishi Electric Corporation, Japan
KI-gestütztes Analysetool für moderne Produktionslinien

KI-gestütztes Analysetool für moderne Produktionslinien

Das Data-Science-Tool Melsoft MaiLab von Mitsubishi soll Unternehmen bei der Digitalisierung ihrer Fertigung und unterstützen und so deren Produktivität steigern. Die neue Lösung ist eine intuitive, bedienerzentrierte Plattform, die KI nutzt, um Abläufe automatisch zu verbessern. Sei es Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder Senkung des Energieverbrauchs durch Prozessoptimierung.

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.