嵌入式愿景的进步为盈利铺平了道路

众所周知，今天的iPhone的处理能力是美国宇航局阿波罗指令模块计算机的几千倍——尽管这只是说明问题故事的一半当谈到20世纪60年代计算机的优势时。然而，不管你怎么看，与几十年前相比，现代计算的能力是惊人的。比口袋里的万亿次浮点运算的海洋更令人惊讶的是我们用它做了什么。在20世纪60年代，计算机是一种新奇事物。如今，发达国家的许多人至少拥有一种计算设备。

功率、尺寸和大规模消耗之间的关系同样适用于机器视觉，更具体地说，适用于嵌入式机器视觉。嵌入式视觉将图像传感器、强大的处理器和I/O集成到一个重量、能耗和单位成本低的特定应用系统中。嵌入式视觉硬件和软件的进步扩大了工业机器视觉以及医疗成像、自动驾驶汽车和消费电子产品的机会，为机器视觉的世界打开了一个新的应用领域。

智能相机引领潮流
智能摄像机将传统机器视觉系统与嵌入式功能连接起来，继续满足人们对紧凑的一体机视觉功能的需求。2017年，北美智能相机市场同比增长25%，达到4.08亿美元，是视觉行业增长最快的类别。从2017年到2025年，基于智能摄像头的系统的采用预计将加速8.9%，但组件摄像头和成像板在嵌入式视觉市场的份额也分别增长至1.89亿美元和3900万美元。

今天的智能摄像头可以处理一系列的应用——从识别交通标志到执行机器内检查——这些都需要高性能和小尺寸的灵活性。FLIR的Blackfly S相机尺寸为29mm × 29mm × 10mm，重量为10g，板级版本适用于嵌入式系统，如手持设备和无人机。计划于2018年第三季度发布的5.0 MP USB3视觉相机，提供了一套功能，包括自动和手动控制的图像捕捉和相机上的预处理。

与此同时，Basler还提供了dart，一款尺寸为27 x 27毫米，重15克的板级相机，并提供了两个接口:USB 3.0和相机制造商专有的BCON MIPI接口，该接口与GenICam机器视觉标准兼容。Basler的高级咨询工程师和市场分析师Matthew Breit说，通过使用后一种界面，“结果是，设计师无需使用传感器模块，就可以轻松集成一个成品相机模块。”

开发完整包
实现小型、快速、高效的智能摄像机和其他嵌入式视觉系统依赖于硬件、软件和支持它们的技术的进步。当涉及到图像处理时，许多应用程序都需要将中央处理单元(CPU)的能力与现场可编程门阵列(FPGA)、图形处理单元(GPU)或低功耗ARM核心相结合的异构平台。

cpu与GPU的结合可以显著减少图像集的处理时间。例如，Qtechnology A/S在其智能相机平台上使用加速处理单元(APU)，将GPU和CPU结合在同一个芯片上。GPU是一个大型并行引擎，可以在大数据集(在这里是像素)上同时应用相同的指令。通过将APU与外部的独立GPU配对，可以进一步提高性能，从而增加GPU处理资源，以支持更密集的视觉任务。

与gpu相比，fpga在紧凑的应用程序中产生的热量更少，因为它们运行速度较慢，但它们也需要大量的编程知识。来自Silicon Software的VisualApplets产品线旨在通过简化fpga的开发环境来简化芯片配置过程。最近，Silicon Software报告了一种基于FPGA架构的深度学习实现，能够在金属表面的图像上对6种不同的缺陷进行分类，准确率为99.4%，图像吞吐量超过220 Mbps。

AIA副总裁Alex Shikany表示，fpga广泛用于医疗成像的嵌入式摄像机，因为它们降低了组件成本和功耗，同时允许快速开发摄像机接口，如CoaXPress和camera Link。嵌入式视觉在内窥镜，手术显微镜，皮肤科，眼科和牙科中变得无处不在。事实上，研究公司MarketsandMarkets预计，到2021年，全球医用相机市场将从2016年的24.3亿美元增至36.9亿美元，复合年增长率为8.7%。

OmniVision Technologies发布的两款新产品说明了医疗成像领域对嵌入式视觉技术的需求，特别是在护理点诊断和治疗方面。专为一次性和可重复使用的内窥镜和导管设计的OH01A医学图像传感器在2.5 mm x 1.5 mm的封装中，以60帧每秒的速度提供1280 x 800分辨率。

与此同时，用于医疗、兽医、工业和内窥镜应用的OVMed图像信号处理器(ISP)与OmniVision的紧凑CMOS图像传感器集成，系统延迟小于100毫秒。ISP的视频处理单元有两个版本:一个可以装入内窥镜手柄，另一个位于摄像机控制单元的高级选项。

汽车行业的先进驾驶辅助系统(ADAS)也遵循着类似的发展轨迹。ADAS组件包括摄像头、图像处理器、系统处理器、超声波传感器、激光雷达、雷达和红外传感器，它们负责许多复杂的任务，其中包括驾驶员嗜睡检测、车道变换辅助、行人识别和交通标志识别。

这些应用不仅需要高性能的图像处理，而且必须在极端条件和严格的汽车安全标准下进行。为了应对这些挑战，ARM开发了malic71，这是一种定制的ISP，能够处理多达4个摄像头的数据，并处理24个动态范围，以捕捉在明亮阳光或阴影下拍摄的图像的细节。参考软件控制ISP、传感器、自动白平衡和自动曝光。为了进一步利用该设备进入汽车市场，该公司计划开发符合汽车安全完整性等级(automotive Safety Integrity level)的汽车软件。到2025年，预计ADAS的年收入将达到893亿美元，而malic71只是其中的一个组件。

简化了复杂的
随着全球科技巨头对嵌入式愿景的未来的断言，开发者可以期待更简化的技术部署和管理。2018年5月，微软发布了基于高通视觉智能平台的视觉人工智能开发工具包。该工具包提供了使用Azure IoT Edge和Azure机器学习开发基于摄像头的物联网解决方案所需的硬件和软件。其目标是“在设备上提供实时人工智能，而不需要持续连接到云或昂贵的机器。博客从微软。

另一个最近宣布的设计环境是英特尔的OpenVINO，它代表开放视觉推理和神经网络优化。OpenVINO提供了常用的软件工具和优化库，以支持对嵌入式系统开发人员具有吸引力的一次编写、随处部署软件。该工具包将TensorFlow、MXNet、Caffe以及OpenCV等流行框架的视觉和深度学习干扰功能移植到英特尔fpga和Movidius视觉处理单元。

对于许多传统机器视觉公司来说，基于PC或帧抓取器的工业检测系统仍然是他们的主要业务。但有远见的利益相关者已经在利用工厂以外的新机会，这得益于嵌入式愿景的进步。