Industrielle Fertigung
Industrielles Internet der Dinge | Industrielle Materialien | Gerätewartung und Reparatur | Industrielle Programmierung |
home  MfgRobots >> Industrielle Fertigung >  >> Manufacturing Technology >> Automatisierungssteuerung System

Neun zu berücksichtigende Faktoren für die Integration von Machine Vision Kameras auf Board-Ebene

Die Nutzung von Board-Level-Kameras bietet eine Vielzahl von Vorteilen. Um die richtige Mischung aus Funktionen und Designelementen zu ermitteln, sind hier einige Faktoren zu berücksichtigen, die bei der Auswahl und Entwicklung einer eingebetteten Bildverarbeitungskamera berücksichtigt werden sollten.

Die Möglichkeit, auf Machine Vision basierende künstliche Intelligenz innerhalb eines Produkts zu nutzen, erfordert die Fähigkeit, eine Machine-Vision-Kamera mit vollem Funktionsumfang in ein viel kleineres, leistungsstarkes Paket zu integrieren, um eine größere Flexibilität von der Kabel- bis zur Objektivauswahl zu bieten sowie reduzierte Größe für neue Produkte und Systeme. Darüber hinaus bieten Board-Level-Kameras direkten Zugriff auf die wichtigsten Kamerakomponenten zur einfacheren Wärmeableitung und können für eine Vielzahl von Anwendungen genutzt werden:medizinische Diagnostik, Messtechnik, Robotik, Embedded Vision, Verpackungs- und Druckinspektion, Handheld-Scanner, Tischgerät Labore und andere platzbeschränkte Systeme.

Abbildung 1. Kameras auf Platinenebene können auf verschiedene Weise verwendet werden, aber es müssen Designfaktoren berücksichtigt werden.

Aber die Wahl der richtigen Embedded-Vision-Kamera ist eine ganz andere Frage. In einigen Fällen funktioniert eine handelsübliche Kamera gut, da Kameras auf Platinenebene oft anfälliger für elektrostatische Entladungen (ESD) und physische Schäden sind, ganz zu schweigen von der Tatsache, dass diese Option normalerweise mehr Designaufwand, Designexpertise, und möglicherweise mehr Kosten.

Um die richtige Mischung aus Funktionen und Designelementen zu ermitteln, die für ein bestimmtes Projekt erforderlich sind, sind bei der Auswahl und dem Design einer eingebetteten Machine Vision (mv)-Kamera neun Schlüsselfaktoren zu berücksichtigen:

  1. Funktionsumfang und Formfaktor
  2. Objektivmontage
  3. Gehäusedesign für Rapid Prototyping
  4. Wärmemanagement
  5. Schnittstellen und Anschlüsse
  6. MIPI-Kameras im Vergleich zu Standard-MV-Kameras
  7. Elektromagnetische Verträglichkeit
  8. Standardboards
  9. Deep Learning CPU vs. GPU-Leistung

Schauen wir uns jeden dieser Faktoren genauer an.

Funktionsumfang und Formfaktor

Bringen Sie die richtigen Funktionen mit dem physischen Platzbedarf der Kamera in Einklang, einschließlich der Verwendung kompakter GPIO- und Schnittstellenanschlüsse, um Platz zu sparen. Oftmals handelt es sich bei den Board-Level-Varianten vieler voll ausgestatteter MV-Kameras lediglich um Standardkameras ohne Gehäuse, die im Design berücksichtigt werden müssen. Darüber hinaus bieten Kameras auf Platinenebene eine größere Flexibilität bei der Anpassung der FPC-Kabellänge zusammen mit der Option einer gemeinsamen Kabeldesigndatei.

Objektivmontage

Ohne festen Objektivanschluss geben Board-Level-Kameras Designern die Freiheit, andere Optiken als die in der MV-Industrie üblichen C-, CS- oder S-Mount-Objektive auszuwählen.

Die Integration der Linsenfassung in ein anderes Produktteil oder sogar das direkte Eingießen eines Linsenhügels in das Gehäuse eines Produkts kann die Kosten durch die Vereinfachung von Herstellung und Montage weiter senken. Wenn jedoch die Standard-Mount-Objektive bevorzugt werden, verwenden Sie das S-Mount für Sensoren mit einem Drittel Zoll oder kleiner mit niedriger Auflösung, z. B. 2 MP. Die CS-Halterung wird normalerweise für Sensoren mit einer Größe von einem Drittel bis ein Zoll empfohlen, und die C-Halterung für Sensoren mit einer Größe von mindestens einem Zoll.

Gehäusedesign für Rapid Prototyping

Board-Level-Kameras enthalten oft keine Gehäuse, aber in Anwendungen, bei denen die Kamera nicht in ein Produkt integriert wird und das Kamerainnere daher den Elementen ausgesetzt ist, kann ein Gehäuse erforderlich sein.

Nutzen Sie für das Rapid Prototyping vorhandene CAD-Modelle und 3D-Drucker oder verwenden Sie generische Kunststoffgehäuse, die die Kamera einkapseln und die Kamera mit Abstandshaltern und Montagehalterungen befestigen.

Wärmemanagement

Auf keinen Fall müssen Hochleistungskameras auf Platinenebene zusätzliche Designanforderungen haben, um sicherzustellen, dass sie innerhalb ihres empfohlenen Temperaturbereichs betrieben werden. Um eine Beschädigung der Kamera zu vermeiden, muss die gemeldete Temperatur der Kamera unter der maximalen Temperatur von Schlüsselkomponenten wie dem Sensor/FPGA bleiben. In solchen Fällen ist die Bereitstellung eines angemessenen Kühlkörpers entscheidend. Die empfohlene Option ist die Verwendung von Wärmeleitpasten oder Spachtelmasse gegenüber Wärmeleitpads, um die Belastung der Platine auf die Kamera zu minimieren.

Schnittstellen und Anschlüsse

USB 3.1 Gen 1 ist eine ideale Schnittstelle für eingebettete Systeme. Flexible Leiterplattenkabel können USB 3.1 Gen 1 über Kabellängen von bis zu 30 m unterstützen. Ein potenzieller Nachteil der USB 3.1-Schnittstelle besteht jedoch darin, dass ihr Hochfrequenzsignal bei drahtlosen Geräten bis zu 5 GHz Interferenzen verursachen kann. In diesem Fall könnte eine GigE-Schnittstelle funktionieren oder die komplexere MIPI-CSI-Schnittstelle.

MIPI-Kameras im Vergleich zu Standard-MV-Kameras

Die oben genannten MIPI-Kameras sind im Vergleich zu Standard-MV-Kameras günstiger, potenziell bis zu 50 Prozent oder mehr, aber dieser reduzierte Preis beinhaltet weniger Funktionen, hauptsächlich aufgrund des Fehlens von FPGA.

Die typischen MIPI-Kameras bieten im Allgemeinen eine rohe Sensorausgabe mit geringer bis gar keiner Bildverarbeitung oder -verbesserung (z. B. Flat-Field-Korrektur, Fehlerpixelkorrektur, Rauschkorrektur mit festem Muster usw.), was zusätzliche Arbeit zur Verbesserung der Bildqualität erfordert. Am wichtigsten ist, dass MIPI im Allgemeinen die Verwendung eingebetteter Systeme erfordert, die MIPI-Kameras unterstützen, während USB3/GigE-MV-Kameras auf ARM-Boards und Standard-Desktop-PCs gleichermaßen verwendet werden können.

Elektromagnetische Verträglichkeit

Ohne die durch ein Gehäuse bereitgestellte Abschirmung unterscheidet sich die elektromagnetische Verträglichkeit (EMV) von Board-Level-Kameras von denen mit Gehäusen. Da diese Board-Level-Kameras in andere Produkte oder Systeme eingebettet sind, muss das Endprodukt separat zertifiziert werden.

Standardboards

Einige Anbieter entwickeln auch eigene Carrier- oder Arm-Carrier-Lösungen für ein Embedded Board. ARM-Prozessoren und Trägerplatinen machen es Integratoren einfacher, Lösungen von der Stange zu kaufen, anstatt eine benutzerdefinierte Platine zu benötigen, um Zeit und Geld zu sparen.

Abhängig von den Anforderungen des Designs können Boards gekauft und mit bis zu vier oder mehr USB3-Hostcontrollern konfiguriert werden, um von vier USB3-Kameras bei voller Bandbreite zu streamen.

Deep Learning CPU versus GPU-Leistung

Deep-Learning-Algorithmen laufen auf normalen Prozessoren im Vergleich zu GPUs sehr langsam. Wenn eine schnellere Inferenz ein Muss ist, sind GPUs die bessere Option, selbst wenn Bilder zuerst zur Verarbeitung in die Cloud gesendet werden, da Inferencing in der Cloud normalerweise die kostenbewusste Wahl ist, wenn Edge Computing nicht geschäftskritisch ist.

Eine weitere Möglichkeit, Deep-Learning-Inferenz auf eingebetteten Systemen auszuführen, besteht darin, eine inferenzfähige Kamera zu verwenden, die das Inferenzmodell auf der Kamera selbst ausführen kann, was auch dazu beitragen kann, die Verarbeitungsanforderungen vom Hostsystem zu entlasten.

Unter Berücksichtigung dieser neun Kernfaktoren wird die Integration des richtigen MV auf Board-Ebene mit dem entsprechenden Funktionssatz hoffentlich viel einfacher, wodurch Designer-Kopfschmerzen und Designzeit reduziert werden und gleichzeitig die gesamte Produktanwendung verbessert wird.

Branchenartikel sind eine Inhaltsform, die es Branchenpartnern ermöglicht, nützliche Nachrichten, Nachrichten und Technologien mit All About Circuits-Lesern auf eine Weise zu teilen, für die redaktionelle Inhalte nicht gut geeignet sind. Alle Branchenartikel unterliegen strengen redaktionellen Richtlinien, um den Lesern nützliche Neuigkeiten, technisches Know-how oder Geschichten zu bieten. Die in Branchenartikeln zum Ausdruck gebrachten Standpunkte und Meinungen sind die des Partners und nicht unbedingt die von All About Circuits oder seinen Autoren.


Automatisierungssteuerung System

  1. Kamera
  2. Axiomtek:funktionsreiches System für Bildverarbeitungsanwendungen
  3. Smart-Kamera bietet schlüsselfertige Edge Machine Vision Edge-KI
  4. Fakuma-Show geht (digital) für Wittmann Battenfeld weiter
  5. Fünf Faktoren, die für den Erfolg von Remote-Arbeitsplätzen in der Industrie zu berücksichtigen sind
  6. B&R präsentiert vollintegrierte Kameras für die Automatisierung
  7. SICK präsentiert Webinar zur kundenspezifischen Bildverarbeitung
  8. Elementary Robotics sammelt 13 Millionen US-Dollar für seine Angebote für maschinelles Lernen und Computer Vision für die Industrie
  9. Omrons TM Cobot beschleunigt Integration und Programmierung
  10. Verhindern von wärmeinduzierter Bildverzerrung in Zeilenkameras für maschinelles Sehen