Automazione_Oggi

LUGLIO-AGOSTO 2015

Automazione Oggi 383

tutorial

Embedded vision

Il termine ‘embedded vision’ fa riferimento a

tutte quelle macchine che, tramite tool visivi,

riescono a comprendere le caratteristiche

dell’ambiente in cui operano, ovvero si tratta

dell’unione di sistemi embedded e visione ar-

tificiale (si veda figura 3).

Tradizionalmente, i sistemi di analisi erano ba-

sati su server PC, con algoritmi di sorveglianza

in esecuzione su CPU x86. Tuttavia, con l’intro-

duzione di processori di visione di fascia alta,

tutte le fasi di analisi delle immagini possono

facoltativamente essere interamente eseguite

su apparecchiature dedicate. I sistemi embed-

ded basati su DSP (Digital Signal Processor),

SoC (System-on-Chip), GPU (processore gra-

fico), Fpga (dispositivi logici programmabili)

e altri tipi di processori stanno entrando nel

‘mainstream’, grazie principalmente alla

loro capacità di fornire prestazioni di ela-

borazione paragonabili a quelle dei sistemi

basati su x86, a basso costo e con un ottimo

consumo energetico. Le analisi DVR (Digital Video Recorder) e

NVR (Network Video Recorder) fanno sempre più affidamento

al ‘trattamento’ della visione embedded. I grandi sistemi di

monitoraggio remoto, d’altra parte, sono ancora fondamental-

mente basati su uno o più server in cloud in grado di aggregare

e analizzare simultaneamente numerosi ‘feed’ video. Tuttavia, i

sistemi emergenti in infrastrutture cloud stanno cominciando

ad adottare soluzioni integrate, al fine di fornire più facilmente

alte prestazioni, basso consumo di energia, costi ridotti e altri

requisiti richiesti dal mercato. I co-processori possono aiutare

nella costruzione di sistemi scalabili, che offrono prestazioni più

elevate, in parte attraverso la redistribuzione delle capacità di

elaborazione. I produttori di semiconduttori offrono numerosi

dispositivi per diversi segmenti di mercato.

Questi circuiti integrati possono essere utilizzati su schede ac-

celeratrici per l’elaborazione della visione, che vanno negli slot

PCI Express di un server desktop, per esempio, o in prodotti em-

bedded stand alone. Sfruttare un co-processore di visione dedi-

cato consente di ridurre ulteriormente il consumo di energia e

favorire lo sviluppo di software con librerie di computer vision.

Sfruttando il codice preesistente (Open CV) si

velocizzerà il time-to-market, con prestazioni

superiori a quelle ottenibili con un software

generico.

Secondo una ricerca di mercato della società

IMS Research, una delle applicazioni indu-

striali più promettenti per la visione embed-

ded è nella factory automation, in particolare

nell’automotive, nel campo del packaging

(confezionamento), della robotica e nel chi-

mico/farmaceutico.

Il futuro

Le applicazioni legate alla ricerca di immagini,

alla fotografia computazionale, all’imaging

biologico, alla visione per la grafica, a GIS,

biometria, nanotecnologie e via dicendo, con-

tinuano a evolversi al passo con la tecnologia

della computer vision, anch’essa in continuo

sviluppo. I sistemi di computer vision cam-

bieranno profondamente la nostra vita, con l’avvento di sensori

visivi che diventeranno sempre più onnipresenti e ci consenti-

ranno di trascendere gli attuali limiti.

I rapidi sviluppi delle tecnologie di supporto, come fotocamere

digitali e computer, garantiranno sistemi di computer vision più

efficienti e affidabili, con un notevole impatto su ambiti quali

la sanità e i trasporti. Nel campo dell’elettronica indossabile,

poi, faciliteranno il riconoscimento delle attività e l’interazione,

mentre nella robotica rivoluzioneranno la produzione; inoltre,

forniranno servizi di assistenza o supporteranno l’esecuzione di

interventi chirurgici. In aggiunta, vi saranno molte applicazioni

per il settore della difesa e della sicurezza.

•

Figura 3 - Esempio di layout di un sistema di sorveglianza a intelligenza distribuita

Fonte: whisnes21.files.wordpress.com