前言
物聯(lián)網(wǎng)發(fā)展正在走向輕便和低成本的方向。借由友思特 eBUS Edge 軟件方案,可以實現(xiàn)將任意圖像設備迅速轉(zhuǎn)換為 GigE Vision 設備,進一步進行機器視覺分析處理,通過低成本的方式一鍵實現(xiàn)設備升級。
邊緣計算的軟件處理方案
對于視覺檢測和工業(yè)自動化市場,傳感器網(wǎng)絡和處理能力的進步以及機器學習人工智能(AI)的引入正在為物聯(lián)網(wǎng)(IoT)的發(fā)展做出貢獻。在面向物聯(lián)網(wǎng)時代工作時,組件尺寸、重量和成本也是重要考慮因素。
友思特帶來一種通過軟件將邊緣處理整合到網(wǎng)絡中的低成本方法——eBUS Edge,這是一種僅使用軟件的方法,可以將任何嵌入式設備、傳感器或相機轉(zhuǎn)換為完全兼容的GigE Vision、GenICam設備,而無需任何額外的硬件。通過將eBUS Edge添加到 CPU 的軟件堆棧中,最終用戶可以使用任何符合 GigE Vision 標準的第三方圖像處理系統(tǒng)來完成后端的圖像采集、軟件開發(fā)以及系統(tǒng)集成。
硬件部署:將eBUS Tx部署到各類硬件產(chǎn)品
如果用戶需要將某個硬件設備的圖像流轉(zhuǎn)換GigE Vision圖像數(shù)據(jù),與其它設備進行數(shù)據(jù)共享,可以將 eBUS Tx 部署在任何 sensor或其他任何能發(fā)送數(shù)據(jù)的模塊上。如友思特NTX-GigE、NTX-Deca嵌入式板卡或其它第三方圖像設備等。
如下圖所示,部署eBUS Tx后的板卡、相機、傳感器是一臺符合GigEVision標準的相機,完成協(xié)議轉(zhuǎn)化之后,該設備可以發(fā)送模擬數(shù)據(jù),進行用戶設備的仿真,同時還可以充分利用GigEVision的優(yōu)勢進行任何組播等操作。
軟件開發(fā)應用:將eBUS Tx部署到PC上
由于不同相機廠家生產(chǎn)的 GigE Vision 相機有所差異,對于純軟件圖像處理開發(fā)軟件的工作人員來說,要想測試自己生產(chǎn)的軟件能否與不同供應商的相機兼容,需要針對不同廠家相機進行相關驅(qū)動程序編寫,這大大增加了工作量。
友思特 eBUS Tx為純軟件開發(fā)人員提供快捷解決方案。如果用戶不需要進行實物設備的硬件連接,僅需要使用 GigE Vision 發(fā)送特定圖像數(shù)據(jù),進行圖像處理軟件結(jié)果的分析,那么只需將 eBUS Tx 部署在PC上,作為符合 GigE Vision 標準的虛擬數(shù)據(jù)源,支持圖像傳輸并使設備能夠響應來自主機控制器的控制請求,即可以被 GigE Vision 的采集軟件發(fā)現(xiàn)并進行仿真。eBUS Tx符合 GigE Vision 和 GenICam 標準,軟件開發(fā)人員只需要對 eBUS Tx 發(fā)送圖像進行測試,結(jié)果亦可滿足任何符合標準 GigE Vision 相機。
如上圖所示,對部署 eBus Tx 的主機A,通過軟件,用戶可以自定義需要轉(zhuǎn)換為標準 GigE Vision 圖片及其格式、大小。在主機B中,用戶主機開發(fā)的軟件能夠檢測到主機A的網(wǎng)卡,通過配置,接收主機A圖像,用于軟件算法功能驗證。
應用案例:3D條紋檢測
在實際應用中,如果用戶希望升級設備,同時保留現(xiàn)有的視覺檢測流程,依靠友思特的軟件方法,通過將任何數(shù)據(jù)發(fā)送 sensor 轉(zhuǎn)換為完全符合 GigE Vision 和 GenICam 標準的設備,簡化先進傳感器和嵌入式平臺的集成和部署。
eBUS Edge 軟件使用戶可以避免供應商鎖定,保留或升級到最適合其應用的設備,而無需大量投資購買新設備。
在3D條紋檢測應用中,機械臂上的傳感器用于識別制造過程中的表面缺陷和不連續(xù)。這些3D傳感器結(jié)構(gòu)緊湊、功耗低,通常是移動檢測系統(tǒng)的一部分,沒有額外的硬件空間。
通過軟件方法,這些設備可以作為“虛擬GigE傳感器”出現(xiàn),以創(chuàng)建一個無縫集成的網(wǎng)絡。設計人員可以將這些傳感器的圖像饋送轉(zhuǎn)換為 GigE Vision,以便使用傳統(tǒng)的機器視覺處理進行分析。同時與其他設備共享數(shù)據(jù),也可以進行本地和基于云的處理。
展望未來,我們期望將所有傳感器的輸出完全集成到應用程序中,為分析和最終的人工智能提供完整的數(shù)據(jù)集。
審核編輯 黃宇
-
傳感器
+關注
關注
2552文章
51302瀏覽量
755243 -
機器視覺
+關注
關注
162文章
4399瀏覽量
120494
發(fā)布評論請先 登錄
相關推薦
評論