AO_446

Sistemi di visione AUTOMAZIONE OGGI 116 | MAGGIO 2023 AUTOMAZIONE OGGI 446 conoscimento delle targhe automobilistiche (Anpr) basata sul software di analisi di visione di Uncanny Vision. Anpr è utilizzato nei sistemi au- tomatici di pagamento dei pedaggi, per il moni- toraggio delle autostrade, per l’accesso sicuro a cancelli e parcheggi e in altre applicazioni simili. Questa applicazione implica un’elaborazione dei dati basata sull’intelligenza artificiale, che decodifica i video e pre-elabora le immagini; ne segue il rilevamento ML e il riconoscimento dei caratteri OCR (si veda figura 4). L’implementazione di Anpr richiede uno o più flussi di streaming in tempo reale (Rtsp) codificati H.264 o H.265, decodificati o non compressi. I fotogrammi video decodificati vengono ridotti in scala, ritagliati, conver- titi nello spazio colore e normalizzati (pre- elaborazione), quindi inviati all’algoritmo di rilevamento ML. Le implementazioni Anpr ad alte prestazioni richiedono un’elaborazione dati con AI a più stadi. La prima fase rileva e localizza il veicolo nell’immagine, creando la ‘Regione di interesse’ (ROI). Allo stesso tempo, altri algoritmi ottimizzano la qualità dell’im- magine per il successivo utilizzo da parte dell’algoritmo di riconoscimento dei caratteri OCR e tracciano il movimento del veicolo su più fotogrammi. La ROI del veicolo viene ul- teriormente ritagliata per generare la ROI della targa, elaborata dall’algoritmo OCR per rilevarne i caratteri. Rispetto ad altri SoM com- merciali basati su GPU o CPU, l’applicazione Anpr di Uncanny Vision ha funzionato 2-3 volte più velocemente sul SoM Kira KV260, con un costo inferiore a 100 dollari per feed Rtsp. Ambiente di sviluppo per una visione intelligente I progettisti di applicazioni di smart vision pos- sono utilizzare l’ambiente di sviluppo Kria K26 SOM AI Starter. Questo ambiente si basa sull’ar- chitettura del MPSoC Zynq UltraScale+ e offre un’ampia libreria di pacchetti software applica- tivi (si veda figura 5). Il SoM AI Starter include un processore Arm Cortex-A53 quad-core, oltre 250.000 celle logiche e un codec video H.264/265. Offre inoltre 4 GB di memoria DDR4, 245 I/O e 1,4 Top di calcolo AI, per supportare la creazione di applicazioni AI di visione ad alte prestazioni. La presenza di applicazioni preim- postate consente di eseguire i primi progetti in meno di un’ora. Per stimolare il processo di sviluppo con il SoM Kria K26, AMD Xilinx offre lo starter kit KV260 vision AI (si veda figura 6). Se non serve lo star- ter kit intero, è possibile acquistare semplice- mente l’adattatore di alimentazione opzionale per iniziare a utilizzare il SoM Kira K26. Un altro fattore che accelera lo sviluppo di soluzioni di visione artificiale è la presenza di una gamma completa di funzionalità, nonché di numerosi I/O a terminazione singola da 1,8 V, 3,3 V e differenziali con 4 transceiver da 6 Gbps e 4 da 12,5 Gbps. Queste caratteristiche consentono lo sviluppo di applicazioni con un numero maggiore di sensori di immagine per SoM e molte varianti di interfacce senso- riali, come Mipi, Lvds, Slvs e Slvs-EC, che non sempre sono supportate da prodotti standard (Assp) o dalle GPU. Gli sviluppatori possono inoltre implementare DisplayPort, Hdmi, PCIe, USB2.0/3.0 e altri standard definiti dall’utente, con logica programmabile integrata. Infine, lo sviluppo di applicazioni di intelli- genza artificiale è stato semplificato e reso più accessibile grazie alla combinazione delle ampie capacità hardware e dell’ambiente software del SoM K26 con applicazioni di vi- Fig. 3 - Dopo un numero relativamente basso di iterazioni, la razionalizzazione può ridurre la complessità del modello (Gop) di 10 volte e migliorare le prestazioni (fps) di 5 volte, con una riduzione della precisione (mAP) dell’1% Fig. 5 - Lo starter kit Kria KV260 vision AI è un ambiente di sviluppo completo per applicazioni di visione artificiale Fig. 4 - Tipico flusso di elaborazione delle immagini per un’applicazione Anpr basata su AI Immagine per gentile concessione di AMD Xilinx Immagine per gentile concessione di AMD Xilinx Immagine per gentile concessione di AMD Xilinx