Ứng dụng mô-đun VEGA-330-01A1 nằm ở các điểm đặt lẻ: một cửa ra vào, một lối đi, một trạm kiểm tra. Đây là bản một vi xử lý thị giác trong dòng mô-đun tăng tốc mini PCIe của Advantech, tiêu thụ khoảng 3,8 W và làm mát thụ động. Phần thông số và bài toán nhiệt khi lắp trong tủ đã nằm ở bài bảng thông số đầy đủ dòng VEGA-330. Bài này bàn chuyện khác: bốn bài toán thị giác thường giao cho mô-đun, dữ liệu phải chuẩn bị cho từng bài toán và điều kiện hiện trường quyết định kết quả.
Một khối xử lý thị giác làm được tới đâu
Cách hình dung đơn giản là mỗi khối xử lý thị giác gánh một dòng công việc suy luận. Một luồng camera chạy một mô hình gọn với nhịp vài khung hình mỗi giây nằm gọn trong sức của một khối. Thêm luồng thứ hai, hoặc đổi sang mô hình nặng hơn, là bắt đầu phải chia thời gian và nhịp xử lý rơi xuống.
Vì vậy bản một khối xử lý hợp với các điểm đặt lẻ: một cửa ra vào, một lối đi, một trạm kiểm tra. Cách bố trí này còn một điểm lợi ít được nhắc tới. Mỗi điểm chạy độc lập nên hỏng một điểm không kéo theo các điểm còn lại, và cáp camera ngắn nên ít bị nhiễu hơn so với cách kéo hết về một máy chủ.
Bốn bài toán thị giác thường giao cho mô-đun
Bảng dưới xếp theo bốn nhóm bài toán mà tài liệu hãng nêu cho dòng mô-đun này. Cột dữ liệu vào và cột điều kiện hiện trường là hai cột quyết định dự án chạy được hay không, thường quan trọng hơn việc chọn mã mô-đun.
| Bài toán | Dữ liệu vào cần chuẩn bị | Nhịp xử lý thường yêu cầu | Điều kiện hiện trường quyết định kết quả |
|---|---|---|---|
| Nhận diện khuôn mặt tại cửa | Ảnh đăng ký của từng người, chụp tại chỗ với camera sẽ dùng | Đủ để nhận trong lúc người dừng trước cửa, thường vài khung hình mỗi giây | Đèn chiếu ổn định, không để cửa sổ sáng ngay sau lưng người đi tới |
| Đếm người và theo dõi lối đi | Ảnh chụp lối đi trong các khung giờ đông và vắng | Cao hơn bài toán trên vì người đi qua liên tục | Góc đặt camera không quá dốc, tránh người che nhau khi đông |
| Kiểm tra quang học trong xưởng | Ảnh mẫu đạt và ảnh mẫu lỗi, đủ nhiều kiểu lỗi | Theo nhịp chuyền, quyết định bởi thời gian vật nằm trong khung hình | Chiếu sáng chuyên dụng và gá cố định khoảng cách camera tới vật |
| Phát hiện và phân loại phương tiện | Ảnh xe tại đúng cổng, đủ các loại xe và cả ban đêm | Theo tốc độ xe qua cổng và độ dài vùng quan sát | Chống ngược sáng lúc bình minh và hoàng hôn, che mưa cho vỏ camera |
Đọc cột cuối sẽ thấy phần lớn rủi ro nằm ở ánh sáng và ở cách gá camera. Đây là chỗ hay bị bỏ qua trong dự toán, trong khi chi phí xử lý một cột đèn hoặc một mái che thường nhỏ hơn nhiều so với chi phí làm lại mô hình vì ảnh đầu vào không dùng được.
Chuẩn bị dữ liệu và mô hình trước khi lắp
Bốn việc dưới đây làm trước khi thiết bị về tới nơi, để mô-đun lắp xong là chạy được ngay.
- Thu ảnh tại đúng vị trí sẽ lắp. Gá tạm camera đúng chỗ, đúng góc, thu ảnh trong ít nhất ba khung giờ khác nhau kể cả ca đêm. Ảnh mượn từ nơi khác chỉ dùng để thử nhanh, không dùng để nghiệm thu.
- Chốt mô hình và độ phân giải đưa vào. Ảnh camera có thể lớn nhưng phần đưa vào mô hình thường đã cắt hoặc thu nhỏ. Con số sau khi cắt mới quyết định khối lượng tính toán trên mô-đun.
- Chuyển mô hình qua bộ công cụ. Phần suy luận đi qua bộ công cụ Intel OpenVINO, tài liệu ghi bản R1 2019 trở lên. Bước chuyển đổi này nên làm sớm vì có thể lộ ra vài phép toán trong mô hình chưa được hỗ trợ.
- Đặt ngưỡng và cách xử lý trường hợp không chắc. Hệ thống trả về độ tin cậy chứ không trả về đúng hoặc sai. Phải quyết trước ngưỡng nào thì cho qua, ngưỡng nào thì báo người kiểm tra lại.
Việc thứ tư quyết định hệ thống có được người vận hành chấp nhận hay không. Đặt ngưỡng quá cao thì máy bắt nhầm liên tục và nhân viên bỏ qua cảnh báo, đặt quá thấp thì lọt lỗi. Cách làm quen thuộc là chạy song song với cách kiểm cũ trong vài tuần, ghi lại các trường hợp lệch rồi mới chỉnh ngưỡng.
Ứng dụng mô-đun VEGA-330-01A1 trong hệ thống đang chạy
Mô-đun cắm vào khe mini PCIe của máy nhúng, nên cách triển khai phổ biến là giữ nguyên máy và phần mềm đang có, chỉ chuyển phần suy luận sang mô-đun. Máy nhúng dạng hộp trong danh mục máy tính không quạt là nhóm hay dùng cho các điểm đặt lẻ này. Với các cụm cần cả phần suy luận và phần thu thập tín hiệu, dòng máy suy luận sẵn có như AIR-101-S62A1 đóng gói sẵn cả hai phần.
Với bài toán nhận diện khuôn mặt, phần ứng dụng có thể dùng luôn phần mềm của hãng thay vì tự viết, xem bài ứng dụng nhận diện khuôn mặt FaceView. Với bài toán kiểm tra trên chuyền, phần khung cảnh chung được trình bày ở bài thị giác máy tính trong sản xuất. Bản một khối xử lý dùng cho bài toán đơn giản hơn so với bản VEGA-320-01A1 và các mô-đun cùng dòng, khác biệt nằm ở khối xử lý và bộ công cụ đi kèm.
Chọn thiết bị chạy suy luận tại chỗ
Ba câu hỏi cần trả lời trước khi chọn: bao nhiêu luồng camera trên một máy, mô hình nặng tới đâu, và máy đặt ở chỗ có luồng gió hay trong tủ kín. Trả lời được ba câu này thì việc chọn giữa các bản mô-đun trở nên rõ ràng. Các mô-đun và linh kiện khác của hãng nằm trong chuyên mục thiết bị công nghiệp.
Danh mục máy tính nhúng có khe mở rộng dùng cho mô-đun này nằm tại máy tính nhúng Advantech trên IPC247. Nếu chưa rõ máy hiện có còn khe mini PCIe hay còn biên nhiệt để lắp thêm, chạy công cụ chọn máy theo điều kiện lắp đặt rồi gửi kết quả kèm yêu cầu báo giá.
Câu hỏi thường gặp về mô-đun VEGA-330-01A1
Một khối xử lý thị giác đủ cho bài toán nào?
Đủ cho một luồng camera chạy một mô hình gọn, nhịp vài khung hình mỗi giây, ví dụ nhận diện khuôn mặt tại một cửa hoặc đếm người ở một lối đi. Bài toán nhiều luồng cùng lúc hoặc mô hình nặng thì phải dùng mô-đun nhiều khối xử lý hơn.
Mô-đun VEGA-330-01A1 tiêu thụ bao nhiêu điện?
Theo tài liệu hãng, mức tiêu thụ khoảng 3,8 W và mô-đun làm mát thụ động, không có quạt riêng. Dải nhiệt làm việc ghi âm 20 đến 60 độ C ứng với luồng gió trong máy, nên máy đặt trong tủ kín phải tính lại phần thoát nhiệt.
Chuẩn bị dữ liệu thế nào trước khi triển khai?
Thu ảnh tại đúng vị trí sẽ lắp camera, trong các khung giờ có điều kiện ánh sáng khác nhau, kể cả ca đêm. Ảnh lấy từ nguồn khác hoặc lấy trong điều kiện đẹp làm mô hình đạt trong phòng thử rồi hụt ngoài hiện trường.
Mô-đun chạy trên hệ điều hành nào?
Theo tài liệu hãng, mô-đun hỗ trợ Windows 10 Enterprise 64 bit, Ubuntu 16.04.3 LTS 64 bit và CentOS 7.4 64 bit. Phần suy luận đi qua bộ công cụ Intel OpenVINO, tài liệu ghi bản R1 2019 trở lên, nên mô hình huấn luyện sẵn không phải viết lại từ đầu.
Bài toán kiểm tra quang học có dùng được mô-đun này không?
Dùng được cho các phép kiểm tra bề mặt hoặc kiểm tra sự có mặt của linh kiện với nhịp vừa phải. Điều kiện quyết định không nằm ở mô-đun mà ở phần chiếu sáng và phần gá camera: ánh sáng phải ổn định và khoảng cách camera tới vật phải cố định thì kết quả mới lặp lại được.
Đọc thêm về thiết bị: toàn bộ máy tính công nghiệp Advantech cùng các hãng khác trên ipc247.com.
