Teknologi utama memperkuat peran pertumbuhan untuk visi tertanam

Teknologi visi yang tertanam akan segera menyentuh hampir setiap aspek kehidupan kita sehari-hari, tetapi bagaimana status teknologi yang sudah digunakan? Peran apa yang dimainkan AI hari ini? Apa yang terjadi di edge dan di cloud? Pertanyaan-pertanyaan ini menjadi fokus diskusi panel tentang topik tren “Visi Tertanam” di dunia tertanam 2021.

Didorong oleh kemajuan dalam sensor, prosesor, dan perangkat lunak, visi tertanam ada di mana-mana – mulai dari pertanian hingga pabrik, dan dari kendaraan otonom hingga olahraga profesional. Bahkan pandemi Covid-19 telah mempercepat penyebarannya dengan sistem penglihatan yang digunakan dalam aplikasi seperti pengawasan publik, pemeriksaan kesehatan dan keselamatan.

Visi tersemat yang mendukung AI

Kecerdasan buatan (AI) mendapatkan momentum dalam visi tertanam dan aplikasi pemrosesan gambar karena pengembang semakin menerapkan pembelajaran mendalam dan jaringan saraf untuk meningkatkan deteksi dan klasifikasi objek.

Tidak diragukan lagi bahwa AI membuka kemungkinan baru, tetapi panelis setuju bahwa itu harus lebih mudah digunakan. “Di satu sisi, ada banyak manfaat dari perspektif pelanggan,” kata Olaf Munkelt, direktur pelaksana MVTec Software. “Di sisi lain, teknologi AI agak canggung. Kami harus membuatnya lebih mudah digunakan, untuk memungkinkan pelanggan visi tertanam dengan cepat mencapai titik di mana mereka melihat nilai tambah. Ini berkaitan dengan semua langkah dalam alur kerja sistem berbasis AI mulai dari pelabelan data, inspeksi data, manajemen data hingga pemrosesan menggunakan berbagai teknologi seperti segmentasi semantik, klasifikasi, dan deteksi anomali.” Munkelt menyerukan pendekatan terintegrasi untuk memudahkan pelanggan menerapkan proyek visi tertanam.

Berbagi pandangan yang sama, Fredrik Nilsson, kepala unit bisnis, Machine Vision, di Sick, mencatat bahwa AI dan pembelajaran mendalam memiliki kemampuan untuk menyelesaikan tugas yang sulit diselesaikan dengan pemrosesan gambar berbasis aturan konvensional. Pembelajaran mendalam akan, bagaimanapun, tidak menggantikan pemrosesan gambar konvensional. Kedua teknologi akan hidup berdampingan "untuk waktu yang lama," bantahnya. “Pasti ada aplikasi di mana [algoritma pemrosesan gambar] berbasis aturan lebih dapat diterapkan daripada pembelajaran mendalam. Kita bisa melihat solusi hybrid, misalnya, melakukan segmentasi objek dengan deep learning dan menerapkan alat pengukuran.”

Perlombaan sedang berlangsung di sisi perangkat keras akselerator AI, kata Munkelt. Banyak startup memang datang dengan “perangkat keras yang sangat menarik”, yang terkadang “berperforma 10-20 kali lebih baik daripada perangkat keras GPU yang ada dari vendor yang sudah mapan.” Ke depan, dia menunjukkan betapa pentingnya kecepatan untuk memproses data gambar. “Semua orang di komunitas visi kami melihat akselerator AI ini karena mereka dapat memberikan manfaat besar.”

Apa yang terjadi di tepi? Apa yang terjadi di awan?

Pertanyaan-pertanyaan ini, diajukan ke penyedia cloud AWS, menyarankan jawabannya. Kecuali itu lebih halus dari yang kita kira.

AWS mengejar dua tujuan dalam hal visi tertanam. Yang pertama, kata Austin Ashe, kepala kemitraan OEM strategis, IoT, di Amazon Web Services (AWS), menurunkan hambatan masuk bagi pelanggan yang ingin menggunakan visi tertanam untuk pertama kalinya atau mereka yang ingin memperluas dan menskalakannya. . Yang kedua adalah untuk “memberikan nilai di luar kasus penggunaan awal”.

“Untuk menurunkan hambatan masuk, kami menyadari bahwa 75% bisnis berencana untuk beralih dari implementasi percontohan ke implementasi operasional penuh selama dua hingga lima tahun ke depan. Kami memposisikan diri untuk mengatur edge dan cloud dengan cara yang sangat unik.” Lebih lanjut dia menjelaskan, “Edge sangat penting ketika menyangkut hal-hal seperti latensi, bandwidth, biaya transmisi data, bahkan keamanan dan keamanan ikut berperan. Apa yang bisa dilakukan cloud adalah menurunkan penghalang untuk masuk ke sini. Kami dapat memantau perangkat, apakah itu satu perangkat atau armadanya, dan memberikan peringatan atau mekanisme waktu nyata untuk memahami apa yang dilakukan perangkat tersebut.” Perangkat ini, lanjut Ashe, dapat diperbarui melalui udara. Jadi, saat mengelola sistem visi tertanam dalam skala besar, dimungkinkan untuk mengambil model, melatihnya di cloud, lalu menyebarkannya melalui udara ke semua mesin yang membutuhkannya.

Perusahaan mungkin tidak memiliki ilmuwan data atau uang untuk membangun model. Bagi Ashe, menurunkan penghalang untuk masuk berarti memungkinkan untuk mengambil sepuluh hingga dua belas gambar anomali dan mengunggahnya ke cloud. “Segera, Anda mendapatkan kembali model deteksi anomali yang mendeteksi anomali yang tepat. Kemudian, Anda mengulangi model itu, dari cloud ke edge.”

Pada dunia tertanam tahun ini, Basler dan AWS menjelaskan bagaimana mereka menjembatani kesenjangan antara edge dan cloud melalui kolaborasi yang mencakup layanan AWS "AWS Panorama" dan "Amazon Lookout for Vision". AWS Panorama adalah alat pembelajaran mesin (ML) dan SDK yang memberi pelanggan kemampuan untuk membuat keputusan waktu nyata untuk meningkatkan operasi, mengotomatiskan pemantauan tugas inspeksi visual, menemukan hambatan dalam proses industri, dan menilai keselamatan pekerja di dalam fasilitas. Amazon Lookout for Vision adalah layanan ML yang menemukan cacat dan anomali dalam representasi visual menggunakan computer vision.

Ketika ditanya apakah visi yang disematkan dapat menyelesaikan tugas-tugas kritis waktu di cloud, Ashe mengatakan akan ada lebih banyak penggunaan edge karena aplikasi perlu dipindahkan lebih dekat ke pengguna dan ke pengalaman. “Di mana pun ada persyaratan latensi, edge akan menjadi prioritas nomor satu, tetapi ketika Anda mempertimbangkan beberapa jaringan berkecepatan tinggi yang akan online, terutama hal-hal di sekitar 5G, itu menciptakan peluang baru bagi cloud dan edge untuk memiliki interoperabilitas yang lebih dekat dan kasus penggunaan cloud yang lebih canggih.”

Kompleksitas, ukuran, biaya

Melihat ke depan untuk beberapa tahun ke depan, panelis membuat daftar area untuk perbaikan untuk memungkinkan adopsi yang lebih luas dari sistem visi tertanam.

Kompleksitas :“Dengan sistem PC lama, Anda membeli kamera Anda, Anda membeli perangkat keras Anda, Anda memiliki satu prosesor dan perangkat lunak berjalan pada prosesor,” kata Arndt Dake, CMO Basler. Namun, hari ini, “pemrosesan bukanlah satu prosesor. Anda memiliki CPU, GPU, Anda memiliki perangkat keras khusus untuk AI, mungkin ISP di SoC. Jadi, alih-alih satu, Anda memiliki empat sumber daya perangkat keras, dan Anda perlu memetakan perangkat lunak ke empat sumber daya ini.” Sistem menjadi lebih kompleks, dan pelanggan berjuang dengan kompleksitas yang terus berkembang. Untuk mendorong penetrasi, kegunaan harus ditunjukkan dan kegunaan harus ditangani. Beberapa perusahaan saat ini mencoba menyatukan bagian-bagian dan mempermudah pelanggan, karena “semakin mudah didapat, semakin tinggi tingkat adopsi dan semakin luas penggunaan teknologi itu,” kata Dake.

Ukuran :Sudahkah kita mencapai kondisi mapan dalam hal ukuran? Tidak, jawab Dake. “Ini akan menjadi lebih kecil. Jika Anda membuka ponsel cerdas Anda dan melihat fungsi pemrosesan dan kamera, Anda dapat melihat betapa kecilnya hal itu. Ponsel cerdas akan menjadi tolok ukur kami.”

Biaya :Dari perspektif umum, “semuanya tentang uang,” kata Munkelt. Saat ini, beberapa aplikasi tidak dibenarkan karena harga terlalu tinggi. Jika biaya turun, kemungkinan baru akan muncul.

Dengan peningkatan kemudahan penggunaan, harga yang lebih rendah, dan perangkat yang lebih kecil yang sesuai dengan mesin yang ada, visi tertanam akan lebih mudah diakses oleh perusahaan kecil yang belum pernah menggunakan visi tertanam sebelumnya, tutup Nilsson.

>> Artikel ini awalnya diterbitkan pada situs saudara kami, EE Times Europe.