為什麼機器視覺要使用工業電腦？
- 最新的USB介面和GPIO，可提供更高的資料傳輸速度
- 支援多核心加速器進行推論分析
- 支援嚴苛工廠環境下的寬溫和寬電壓突波
- 大容量固態儲存，可保存資料
- 高達64GB的DDR4 SODIMM記憶體，用於多工處理
- 支援最新的高速視覺攝影機（GigE和USB 3.0）
- 模組化PCIe擴充插槽，用於高效能GPU加速器
機器視覺如何成為邁向機器學習的一步？
機器視覺，也被稱為機器的眼睛，是指電腦使用一個或多個視訊攝影機進行視覺判斷的能力。它擷取圖像、處理圖像並創建動作過程。儘管這些步驟聽起來耗時，但它是以光速完成的。唯一耗時的過程是資料收集，儘管隨著更先進的人工智慧，這個過程已經加快。機器結合了硬體和軟體演算法來處理人眼無法處理的複雜視覺任務。它們最突出的配置包括程式化的感測器、軟體（可以識別模式的演算法）和能夠高速分析圖像的運算能力（CPU和GPU）。x86處理器中更快的運算能力和強大的即時圖形加速器，使得工業電腦機器能夠比人類提供更快、更準確的結果。這在考慮機器人自動化的用例時非常重要，因為智慧機器可以極大地提高生產力和效率。
技術的進步使得更高效的攝影機和電腦能夠取代人眼。企業依賴使用機器視覺工業電腦來提高品質、效率和營運。儘管擁有20/20的視力評分是個優勢，但由於疲勞等許多變數，人類的視力遠不如機器視覺有效。20/20的參考僅表示人類在正常光線條件下能夠從20英尺外辨讀圖表。然而，機器可以在更長的時間內看得更精確、更詳細，而無需休息。視訊攝影機可以對比人眼更廣泛的波長範圍敏感。一些用於機器視覺的工業電腦被用於觀察紅外線、紫外線和X射線波長，這些在較弱的光線條件下很有用。例如，這在照明不足的惡劣條件下的自動化工廠中可能極為重要，在這種情況下，檢查或挑選是任務關鍵的。
「許多製造商使用自動機器視覺而不是人工檢查員，因為它更適合重複性檢查任務。它更快、更客觀，並且持續運作。機器視覺系統每分鐘可以檢查數百甚至數千個零件，並提供比人工檢查員更一致和可靠的檢查結果。」[1] 它們能夠24/7運作並收集和儲存大量資料，提高了效率和準確性。最終，將有足夠的資料，使機器能夠根據訓練有素的演算法模型獨立運作。
設計帶有GPU的檢測機工業電腦的8個關鍵功能
1. 用於高速物聯網感測器的USB 3.0輸入/輸出
USB 3.0在工業、醫療和大規模生產應用中邁出了重要一步。該介面已成為圖像處理和機器視覺行業的官方標準，也稱為USB3視覺標準。該標準以更統一的規則創建，避免與某些配件和專有解決方案不相容。
機器視覺使用一個或多個攝影機來檢查和分析物體。從這些攝影機獲得的資料然後傳輸到工業電腦進行處理和分析。資料的大小取決於攝影機的品質。隨著品質的提高，資料的大小和數量也會增加。因此，資料需要通過更快的介面才能快速檢測和處理資訊。Premio Inc的工業電腦配備了最新的USB 3.0標準，提供高達每秒5Gb的資料傳輸速度，比USB 2.0快10倍，並提供便捷的隨插即用整合。
2. 通用輸入/輸出（GPIO）數位訊號介面
許多高精度應用要求攝影機在精確的瞬間擷取影格。當一個物體以稍微緩慢的速度移動時，這個任務看起來很容易。然而，當多個攝影機以火車的速度檢測多個物體時，這可能令人望而生畏。每個攝影機都必須同時擷取影格。
為了實現此任務，Premio的機器視覺電腦配備了一個GPIO介面，可以輸出一個電子輸入和輸出機制，它就可以請求設備執行某些動作。通過將這些攝影機連接到工業電腦的GPIO，可以通過可程式設計軟體控制設備動作或觸發。
3. 支援x16 PCIe Gen3 GPU以實現即時推論
除了擁有高品質攝影機之外，機器視覺電腦還使用專用GPU來處理所有傳入資料。CPU與GPU結合，在推論演算法中定義的特定工作負載中扮演著同樣重要的角色。市場上有這麼多種類型的GPU，Premio的帶有GPU的工業電腦所提供的一個優勢是使用低功耗GPU和高CUDA核心GPU（例如RTX 2060 Super，具有2000多個核心）的靈活性。例如，某些視覺應用程式工作負載需要更高的功耗，而某些則需要較低的GPU使用率，因此有助於降低總體成本。但重要的是要強調，許多使用視覺的機器學習演算法都依賴於強大的效能加速器（例如GPU）來實現即時運算平行化。這基本上允許電腦和機器即時處理並立即做出決策，而不是按順序處理。許多機器人技術和自動化應用程式都使用帶有GPU加速器的工業電腦，以幫助使用視覺技術識別和拾取物體。閱讀更多關於推論分析及其與GPU電腦的運作方式。
4. 最多4個大容量SATA SSD，用於資料備援
我們正處於一個人工智慧正在創造分析資料新方法的時代。理想情況下，無限的儲存空間將提供更準確的結果，但這成本高昂，通常保留給集中式雲端。例如，RCO-6000和VCO-6000機器視覺工業電腦最多可配備四個最新一代的SATA-III固態硬碟（SSD），每個硬碟容量高達8TB；這允許最大儲存容量為32TB。儘管不是無限儲存，但它允許機器儲存視覺應用中聚合的大量資料。此外，這些工業電腦可以執行RAID選項以確保資料備援。
5. 嚴苛環境下的擴展操作溫度
隨著機器不懈努力實現我們的目標，一個重要的考慮因素是它產生的熱量耗散。由於GPU會產生大量熱量，而熱量是電子元件的頭號敵人，Premio帶有GPU支援的工業電腦已經過驗證，以確保其鋁製散熱片機箱的可靠性，實現快速散熱。這是通過該裝置獨特的散熱片設計實現的，使其能夠在低至-25°C至高達60°C的溫度範圍內工作。主要的工程挑戰是在GPU的高功率輸入和保持工業散熱設計以確保使用壽命之間取得平衡。
6. 高達64GB的記憶體RAM，用於多功能快取
除了GPU和CPU之外，機器視覺應用程式擁有足夠的記憶體來保存和處理大型資料集至關重要。足夠的記憶體RAM可以提供更多空間來即時處理揮發性資料。Premio的工業電腦最多可容納兩個DDR4 SODIMM插槽，可提供更高的時脈速度以實現更快的傳輸速率。記憶體RAM通常與個人的工作空間大小進行比較；桌子越大，它將擁有更多的空間來進行多工處理。
7. 資料加密和安全性：可信任平台模組 (TPM)
隨著數位物聯網應用程式在機器之間進行通訊，了解資料隱私和安全性至關重要。帶有GPU加速器的工業電腦配備了最新的TPM 2.0晶片，這是一個專用的微控制器，可在硬體層面增強電腦安全性和隱私。與其舊版本（TPM 1.2）相比，TPM 2.0通過託管更多演算法和安全功能提供更好的電腦安全性。在此處閱讀有關TPM技術和工業電腦功能的更多資訊。它包括軟體和硬體安全機制，以實現硬體加密。例如，如果SSD從系統中移除，則硬體無法在除原始電腦之外的任何其他地方讀取。或者，如果系統被病毒或惡意軟體入侵，裝置將嘗試在隔離模式下啟動以解決問題。
8. 支援GigE攝影機
在過去幾年中，我們看到越來越多的設備通過Wi-Fi、蜂窩/LTE、藍牙、GPS等無線介面進行無線連接。我們還看到無線高清攝影機有了很大的改進。然而，這種無線介面仍需要更多改進才能更可靠，並處理和傳輸更大容量的資料。目前，高清攝影機最受歡迎的有線介面仍然是USB，但它有電纜長度限制。當應用於各種長距離應用（例如工廠自動化視覺引導機器人）時，這是一個問題。
為了消除速度和距離障礙，許多攝影機製造商找到了一種連接攝影機到PC的新標準：GigE Vision標準。該標準於2006年採用GigE介面進行工業圖像處理。雖然它不提供比USB 3.0介面更快的傳輸速度（高達5Gb/s），但它可以從最遠100公尺（約328英尺）的距離連接。它還降低了成本，因為它不需要圖像處理卡（例如幀擷取器），而這些卡在某些方面是昂貴的。此外，GigE介面允許更容易、更快速地組合多個攝影機。
一些GigE LAN埠提供的另一個優勢是乙太網路供電 (PoE) 技術。電力通過 LAN 埠經由乙太網路資料線纜提供。這透過移除連接到攝影機的額外電源線纜，避免了線纜纏繞。在此處閱讀有關 PoE 技術及其工業電腦功能的更多資訊。
機器視覺技術的其他工業電腦應用案例
機器視覺對需要品質檢查、庫存分類等的工廠和行業產生了巨大影響。但是，機器的眼睛可以執行與安全性相關的更複雜的任務。人類所需要做的就是教導機器需要識別和執行的內容。最終，在獲得足夠資訊後，系統可以取代人力。例如，現在，越來越多的國家依賴機器視覺監控來提高公共安全，並配備堅固型NVR電腦。過去，急救人員必須檢查整個視訊片段才能找到目標。然而，現在警方利用該系統識別和識別人臉的能力，並通過強大的推論演算法識別潛在嫌疑人並預防犯罪。儘管這項技術昂貴且處於早期階段，但機器視覺最終將為更安全的社區做出貢獻。
機器視覺在汽車產業也產生了巨大的影響，減少了事故和致命傷亡人數（每年約有135萬人死於交通事故，每天有3,700人死亡）[2] 。現在大多數車輛都使用多個雷達感測器和攝影機來觀察道路和駕駛員行為，以收集資料並使用演算法來檢測駕駛模式。車輛配備了高處理能力的機器視覺，可以即時追蹤並做出決策。
更先進的車輛整合了攝影機和特殊的檢測系統，例如光達（LIDAR），它代表光線檢測和測距。這是一種遙測方法，它使用脈衝雷射形式的光線來測量範圍。該系統每秒發射數千個雷射脈衝以檢測周圍物體並反射回來。它創建一個3D點雲並記錄每個反射，從而創建動畫表示。它有助於車輛與其他車輛保持安全距離，發現前方的路障和其他障礙物，並防止因人為疏忽造成的事故。
機場也透過在機場各地安裝先進的機器視覺系統來提高其安全性和效能。這些系統圍繞著改進旅客和行李的安全檢查。最終，攝影機將能夠掃描和辨識沒有任何旅行證件的旅客。除了人臉辨識，更先進的機場監控地面運作以追蹤潛在的問題和延誤。飛機需要時間降落和滑行、卸載和裝載旅客和行李、加油等。機器視覺追蹤每個過程以提高效率。
參考資料：
[1] https://www.controleng.com/articles/what-is-machine-vision-and-how-can-it-help/[2] https://policyadvice.net/car-insurance/insights/how-many-people-die-in-car-accidents/