机器视觉的最佳选择——低功耗FPGA

FPGA作为一种非常灵活的可编程产品，应用领域非常广泛，今天我们聚焦在机器视觉的应用，因为随着AI技术的兴起，有很大一部分的应用都是与图像相关。在过去两年，易灵思和多家机器视觉领域的客户合作，对FPGA产品在机器视觉领域的应用有了长足的经验积累，我们认为低功耗的FPGA是机器视觉的最佳选择。

机器视觉无处不在，产品上如果有了机器视觉，那么这个产品在很大的意义上已经赋予了机器智能。例如机器人、无人机、工业检测，这些都需要机器视觉，但是他们的传感器和算法都不同。我们今天重点讨论工业相机行业的应用。

机器视觉系统也有硬件和软件，硬件部分通常是说工业相机，软件部分包含嵌入式控制以及一部分图像增强优化。还有部分视觉软件是依托于相机提供的图像进行运算，最后可检测产品缺陷、监控生产线、引导装配机器人以及追踪、分拣和识别元件。另外还有一部分，是智能机器人上面的视觉传感器的避障和深度检测，我们今天的话题主要集中在机器视觉的嵌入式部分。

摄像头大体可以分为三个类别：AI Camera、Industry Camera和Other Cameras。第一个AI Camera智能相机，体积小，相机和处理图片的部分都在一个设备里，在物流行业非常普遍。第二个Industry Camera工业相机，是应用最广的一类。最后一个Other Cameras，是一些特殊领域的相机，例如热成像，还有3D立体测量。

现在的智能制造的企业提高生产量、优化质量消除误差，并减少代价高昂的返工，这一切都依赖机器视觉来进行降本增效，在质量体系中，确保整个供应链上的可追溯性。这是工业相机的市场推动力，保持这个市场，每年有10%的复合增长，热成像市场的增长更是以超过20%以上的速度保持强劲势头。而门锁、测温仪、摄像头这三种设备就是典型的热成像市场，这些产品都有一个显著的要求——低功耗、小体积。而低功耗有两个方面的诉求，一个是因为在密闭的空间，确保不要发热，因为这会影响热成像传感器的精度。另外一个诉求是对于手持式的产品，需要更长的待机时间。

从历史上看，机器视觉依靠照相机将图像发送到计算机，这仍然是当今使用最广泛的方法。但是，许多计算机都基于为串行计算而编写的软件，从而限制了智能系统。这导致线性数据流过CPU。自2012年以来，大多数计算机使用多核处理器来提供并行计算，但是除非专门为并行性编写，否则软件将继续是串行的。计算机依靠其多核处理器来处理来自存储软件代码的同一内存块中的数据。 CPU和此内存块之间的总线将性能限制在所谓的冯·诺依曼瓶颈和内存墙。这是指内存和CPU之间的带宽限制。虽然可以增加时钟频率以每次处理更多的指令，但是这将导致功耗急剧增加。

如今，大多数机器视觉系统都依赖于摄像机通过电缆将其图像发送到计算机，这些电缆是从不断增加的分辨率和引入的帧速率传感器中移出大量数据的瓶颈。当前已经开发出新的视频协议来帮助增加带宽：USB3，NBASE-T，Camera Link HS，CoaXPress和光纤接口。除USB3和GigE接口外，所有接口都需要接口卡才能将图像数据移至内存。