2020年8月7日 机器视觉与计算机视觉技术

贴纸相机解决物联网成像问题

Greg Blackman报道了CSEM的Witness IOT相机,这是一款可以作为贴纸部署的超低功耗成像仪。 Andrea Dunbar博士于3月在伦敦举行的Image Sensors Europe会议上展示了这项技术

3月13日,安德里亚·邓巴博士在伦敦举行的欧洲图像传感器大会上发表了她的演讲,她把一个不起眼的摄像头固定在底座上,作为物联网设备的展示,这为她对可定位于任何地点和任何地方的技术的描述增添了一笔漂亮的画龙点睛之笔。

CSEM开发了用于安全和其他物联网(IoT)应用的Witness IOT相机。它独特的卖点是它可以作为贴纸部署,并展示如何优化成像设备,并保持功耗和成本足够低,作为一个自主、智能和有用的数据记录器。

Witness集成了超低功耗成像仪、光伏电源和无线报告功能。电子是薄(200µm)和灵活;它是用低成本的组件建造的,尽管成像仪是专门为这个项目开发的,相机的工作基于运动检测,只记录场景中发生的活动。

安全任务、医疗保健中的应用程序(例如,如果老年人跌倒,就会触发警报)以及建筑物内的人员计数,都是这项技术的潜在用途。

Dunbar解释了Witness项目的要求:我们需要一个低功耗的成像器,可以在一般的照明条件下工作,这是非常极端的,所以它需要有一个高动态范围。它还需要嵌入式智能,并做一些无线报告。从数据中,您将得到一个反馈循环,进入执行或报告。所有这些都需要在一定的电力(消耗)之下。

这款名为Ergo的相机具有QVGA分辨率(320×320像素);它有120dB的动态范围,107°的视野使用一个特殊的镜头,并检测运动的子采样图像。

邓巴回忆说,“我们最初想买一台成像仪,因为我们相信购买低成本的硬件,但我们找不到一个动态范围足够大、分辨率和功率预算都足够的成像仪,所以我们决定自己做一台名为Ergo的成像仪。”

该10位Ergo成像器具有对数编码;它具有片上帧存储器和时间 – 电压积分,在10fps时功耗为700μW。成像仪能够读出感兴趣的区域并使用1.8V的电源电压。

Dunbar说:“Ergo获取图像,然后执行背景减法以确定场景中是否存在移动。如果没有动作,则成像器返回睡眠模式以节省功率,直到获得下一帧为止。如果存在运动,则仅压缩场景中的变化并将其存储在板载闪存中。它以1fps运行。 “只有现场的变化才需要响应,这对于设备的低功耗部分来说绝对是关键。”

她补充说:“目前,这一切都是使用优化程度相当低的COTS组件实现的。”我们相信,我们仍然可以大幅降低硬件的处理消耗。

CSEM团队还希望在设备上实现机器学习以优化处理。 Dunbar解释说 “我们需要在我们的[物联网]设备上使用嵌入式智能,因为我们无法使用我们的功率预算发送视频或照片。”一个20万像素的图像有100万字节的信息,这是一个巨大的传输量。这个想法是神经网络将图像数据减少到仅包含做出决定所需信息的几个字节。

Dunbar表示,“边缘情报……最大限度地减少了存储和交换数据的数量 – 我们可以获得更准确的信息。” ‘它也使它更安全,更私密 – 我们不传输场景的图像。嵌入式智能对于实现自动物联网设计至关重要。

但是,关键问题是软件必须能够以非常稀缺的资源执行图像捕获,分析和压缩。

邓巴总结说:“《目击者》的主要成就是平衡了整个系统;我们必须考虑到我们没有运动,没有正常运动,也没有剧烈运动,与光伏电池收集的能量相比,这些运动需要不同数量的能量。”

Dunbar指出,太阳能电池不是标准的光伏器件。 CSEM在光伏领域拥有专业知识,而Witness中使用的模块则针对弱光条件进行了优化。然而,她说,成本仍然可以与市场上的产品相媲美。她补充道,为了使物联网设备真正实现自动化,使用太阳能意味着必须承受10μW至100mW的功率预算。

Banner
Related Posts

深度学习在产品缺陷检测中面临的考验

2019年12月13日

2019年12月13日

人工智能(AI)的发展促使数很多公司投资于深度学习软件,对于视觉行业来说是个好兆头,因为需要在技术上实现飞跃。但是,对于采购或投资相关产品的的用户而言,重要的是要了解如何正确地评估深度学习软件可用性 ,以及它们如何工作的。

机器视觉这条河,未来也会浑浊吗?

2019年3月21日

2019年3月21日

机器视觉的实质是一种计算机图像处理在工业领域的应用,其在机器人行业的应用方向有两种。AGV和机械臂,AGV上的应用已经很明了,主要存在于导航上面,但是在机械臂上的应用可谓是越来越广。

研究人员开发了一种非侵入性果实成熟度检测方法

2019年6月25日

2019年6月25日

昆士兰的研究人员开发了一种新工具,可以在收获前评估芒果作物的成熟度,这可能会提高收获时间和果实质量。

机器视觉从发展到成熟,最新技术又有些什么?

2018年8月9日

2018年8月9日

这是机器视觉行业的一个演变时期。嵌入式视觉与深度学习和人工智能相结合, 将在生命科学、自驾游、安全和农业等传统制造业以外的市场继续蓬勃发展。

深度学习在机器视觉中的应用与发展

2019年5月7日

2019年5月7日

在短短几年内,深度学习软件已经比任何传统算法可以更好地对图像进行分类处理,而且可能很快就可以超越人工检查。

工业相机调研凸显嵌入式趋势

2019年3月27日

2019年3月27日

据一项专业调查显示,机器视觉行业正凸显出向嵌入式视觉和模块化发展的趋势。制造商们看到了嵌入式视觉解决方案在汽车和基础设施应用方面的巨大潜能。

快速创建三维纳米结构图像的新方法

2019年4月17日

2019年4月17日

通过X射线激光脉冲从两个方向照射物体(在图像中心切出十字)。在下一步骤中,将星形衍射图像重建为3-D对象

自主机器视觉系统Inspekto S70

2019年12月18日

2019年12月18日

自主机器视觉(AMV)是通过机器学习的技术,让视觉系统拥有自动识别对象的能力,它为质量保证提供了革命性的方法,同时将使巨额投资和长时间停机成为过去。

新的视觉系统可以在传感器内计算,无需将信息转换成数字格式

2020年3月5日

2020年3月5日

研究人员开发了一种图像传感器阵列,它作为自己的人工神经网络,可以同时捕获和识别光学图像,无需将信息转换成数字格式即可快速处理信息。

短波红外成像技术与原理

2019年7月25日

2019年7月25日

短波红外(SWIR)的范围占据了电磁频谱略高于近红外。在1050到2500纳米之间——短波红外范围远远超出了标准硅基成像传感器的探测能力。

基于计算机视觉和深度学习的智能缺陷检测

2019年9月4日

2019年9月4日

自亨利·福特首次引入装配线系统以来,质量控制一直是制造中的一个关键因素。其理念是,质量可以通过大规模生产流水线来实现,只要每个人在生产过程中各尽其责。从那时起,我们显然已经走了很长一段路。传统的装配线仍然以许多形式存在,尽管机器已经取代了许多手工过程。

涂布纺织品皮革表面缺陷检测解决方案

2019年7月2日

2019年7月2日

本文详细地介绍了基于自适应视觉算法的表面缺陷检测的应用原理及实际案例。同时以涂布、纺织品和皮革等类似行业的实际案例验证了该原理的可行性和实用性。介绍了能应用于涂布、印刷、涂布、塑料、橡胶、薄膜及皮革等缺陷检测的通用解决方案。

中科院自动化所王欣刚:机器视觉将取代人类视觉

2019年6月21日

2019年6月21日

智能制造已成为全球制造业升级发展的重要方向,未来工厂里将采用越来越来越多的自动化技术,包括机器人、人工智能、虚拟现实等先进技术,其中,机器视觉将在智能工厂中将发挥关键作用。对于生产商来说,如何将这些技术运用到当前的生产线,将是实现工厂价值提升和未来发展的关键。

工程点扩展函数(E-PSF)技术可以实现高精度3D成像

2019年7月10日

2019年7月10日

工程点扩散功能(E-PSF)技术以光学相位板的形式发展,将使制造商能够满足对超精密物体成像不断增长的需求。

韩国开发用于检测机械故障的机器视觉技术

2019年7月4日

2019年7月4日

韩国机械与材料研究所(KIMM)周二宣布,它已开发出一种新的机器视觉技术,可自动检测各种机器的故障。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注