機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統是通過機器視覺產品(即圖像攝取裝置,分CMOS和CCD兩種)將被攝取目標轉換成圖像信號,傳送給專用的圖像處理系統,得到被攝目標的形態信息,根據像素分布和亮度、顏色等信息,轉變成數字化信號;圖像系統對這些信號進行各種運算來抽取目標的特征,進而根據判別的結果來控制現場的設備動作。
4月19日,Basler宣布了一個基于Amazon Web Services(AWS)人工智能和機器學習(AI / ML)服務的工業應用新AI機器視覺平臺。新的機器視覺平臺使客戶可以在邊緣無縫部署基于AI的應用程序,以進行諸如質量檢查之類的用例。
據悉,新平臺包含Basler相機和邊緣處理單元以及所有必要的配件和Basler的pylon相機軟件套件。它還具有完全集成的邊緣到云軟件堆棧,其中包括AWS Panorama Device SDK。
如今,為了在邊緣實現基于視覺的機器學習,制造商需要對硬件,軟件和各種云服務進行復雜的集成,以使邊緣設備正常工作。這些定制系統通常具有專用的應用程序,并且通常不具有采用新用例的靈活性。此外,工業制造商需要降低這種復雜性并降低可用于各種AI / ML模型的基于視覺的平臺的靈活性。
Basler的AI機器視覺平臺彌合了云與邊緣之間的鴻溝。它將視覺邊緣硬件與云服務集成在一起,以使用成熟的工業相機和邊緣計算來部署端到端機器學習解決方案。通過AWS Panorama Device SDK集成,Basler平臺允許客戶利用通用架構來解決多個用例,以適應廣泛的性能和成本。
AWS Panorama的集成使客戶能夠在邊緣設備上部署和運行AI / ML應用程序,并增加了對設備管理和準確性監視的支持。例如,借助Amazon Lookout for Vision,客戶可以構建準確的機器學習模型,以發現視覺表示中的異常(例如,產品缺陷)并自動進行質量檢查。
完整的產品將幫助客戶努力在邊緣獲取、處理和分析圖像數據,以實現低延遲和帶寬受限的用例。