Azure IoT Edge görüntü yapay zekası için kamera seçimi

Görüntü işleme sistemindeki en kritik bileşenlerden biri kameradır. Kamera, yapay zeka (AI) veya makine öğrenmesi (ML) modellerinin doğru şekilde değerlendirebileceği ve tanımlayabildiği görüntüleri yakalamalı ve sunmalıdır. Bu makale, farklı kamera türleri, özellikleri ve dikkat edilmesi gerekenler hakkında ayrıntılı bilgi sağlar.

Kamera türleri

Kamera türleri arasında alan taraması, çizgi taraması ve ekli akıllı kameralar bulunur. Bu kameralar için birçok farklı üretici vardır. İhtiyaçlarınıza uygun bir satıcı seçin.

Alan tarama kameraları

Alan tarama kameraları geleneksel bir kamera görüntüsü oluşturur. Bu kamerada genellikle piksel algılayıcılarının matrisi bulunur. Kamera bir 2B görüntü yakalar ve değerlendirme için Azure IoT Edge donanımına gönderir.

Alan tarama kameraları geniş bir alana bakar ve değişiklikleri algılamak için uygundur. Alan tarama kameralarını kullanabilen iş yüklerine örnek olarak iş yeri güvenliği veya ortamdaki nesneleri algılama veya sayma verilebilir.

Çizgi tarama kameraları

Çizgi tarama kamerasının tek satırlık doğrusal piksel algılayıcıları vardır. Kamera, 1 piksel genişlikteki görüntüleri hızla alır, bunları bir video akışına birleştirir ve işlenmek üzere IoT Edge cihaza gönderir.

Çizgi tarama kameraları, öğelerin kameranın dışına taşındığı veya hataları algılamak için döndürüleceği görüntü iş yükleri için uygundur. Ardından çizgi tarama kamerası, değerlendirme için sürekli bir görüntü akışı oluşturur. Çizgi tarama kameralarıyla en iyi şekilde çalışan iş yüklerine örnek olarak şunlar verilebilir:

• Taşıyıcı bant üzerinde hareket eden parçalarda madde kusuru algılama
• Silindirik nesneyi görmek için dönen iş yükleri
• Döndürme gerektiren iş yükleri

Katıştırılmış akıllı kameralar

Ekli akıllı kamera, görüntüleri işleyebilen ve edinebilen bağımsız bir sistemdir. Katıştırılmış akıllı kameralar görüntü yakalamak için alan taraması veya çizgi tarama kamerası kullanabilir, ancak çizgi tarama akıllı kamerası nadirdir. Bu kameralar genellikle RS232 veya Ethernet çıkış bağlantı noktasına sahiptir, bu nedenle doğrudan programlanabilir bir mantıksal denetleyici (PLC) veya başka bir endüstriyel IoT (IIoT) denetleyicisiyle tümleştirilebilir.

Kamera özellikleri

Bir görüntü işleme iş yükü için kamera seçerken dikkate alınması gereken birkaç özellik vardır. Aşağıdaki bölümlerde algılayıcı boyutu, çözünürlüğü ve hızı açıklanmıştır. Dikkate alınması gereken diğer kamera özellikleri şunlardır:

• Mercek seçimi
• Odak
• Tek renkli veya renk derinliği
• Stereo derinliği
• Tetikleyiciler
• Fiziksel boyut
• Destek

Kamera üreticileri, uygulamanızın hangi belirli özellikleri gerektirdiğini anlamanıza yardımcı olabilir.

Algılayıcı boyutu

Sensör boyutu, kamerada değerlendirilecek en önemli faktörlerden biridir. Algılayıcı, hedefi yakalayan ve sinyallere dönüştüren ve ardından bir görüntü oluşturan bir kamera içindeki donanımdır. Algılayıcı, fotosit olarak adlandırılan milyonlarca yarı iletken fotodetektör içerir.

Daha yüksek megapiksel sayısı her zaman daha iyi bir görüntü elde etmez. Örneğin, 12 milyon fotoğrafite ve 1 inç sensöre sahip bir kamera, 12 milyon fotoğrafite ve 1/2 inç sensöre sahip bir kameradan daha net, daha net bir görüntü üretir. Görüntü işleme iş yükleri için kameralar genellikle 1/4 inç ile 1 inç arasında sensör boyutlarına sahiptir. Bazı durumlarda çok daha büyük algılayıcılar gerekebilir.

Görme iş yükünüzde aşağıdakiler varsa daha büyük algılayıcılar seçin:

• Duyarlık ölçümlerine ihtiyaç
• Düşük ışık koşulları
• Daha kısa pozlama süreleri veya hızlı hareket eden öğeler

Çözüm

Çözünürlük, kamera seçimindeki bir diğer önemli faktördür. İş yükünüz şu şekildeyse daha yüksek çözünürlüklü kameralara ihtiyacınız vardır:

• Tümleşik devre yongasında yazma gibi ince özellikleri tanımlamalıdır
• Yüzleri algılamaya çalışıyor
• Uzaktan araçları tanımlaması gerekiyor

Aşağıdaki görüntüler, belirli bir kullanım örneği için yanlış çözünürlük kullanma sorununu gösterir. her iki görüntü de arabadan 6 metre uzakta çekilmiş. Küçük kırmızı kutular bir pikseli temsil eden bir pikseldir.

• Aşağıdaki görüntü 480 yatay pikselle çekildi:

  

• Aşağıdaki görüntü 5184 yatay pikselle çekildi:

  

Hız

Görüntü işleme iş yükünüz saniyede çok sayıda görüntü yakalamayı gerektiriyorsa iki faktör önemlidir. İlk faktör kamera arabirimi bağlantısının hızıdır. İkinci faktör sensör türüdür. Algılayıcılar, şarjlı cihazlar (CCD) ve aktif piksel algılayıcıları (CMOS) olmak üzere iki tür olarak gelir. CMOS algılayıcıları, fotoğrafitlerden doğrudan bir okuma içerir, bu nedenle genellikle daha yüksek bir kare hızı sunar.

Kamera yerleşimi

Görüntü işleme iş yükünüzde yakalamanız gereken öğeler, kamera yerleşimi için konumları ve açıları belirler. Kamera konumu algılayıcı türü, mercek türü ve kamera gövde türüyle de etkileşimde bulunabilir. Kamera yerleşimini belirlemek için en kritik faktörlerden ikisi aydınlatma ve görüş alanıdır.

Kamera aydınlatması

Görüntü işleme iş yükünde aydınlatma, kamera yerleşimi için kritik önem taşır. Birkaç farklı aydınlatma koşulu uygulayabilirsiniz. Tek bir görüntü işleme iş yükü için yararlı olan aydınlatma koşulları, farklı bir iş yükünde istenmeyen etkilere neden olabilir.

Görüntü işleme iş yükleri için birkaç yaygın aydınlatma türü vardır:

• Doğrudan aydınlatma en yaygın aydınlatma koşuludur. Işık kaynağı, yakalanacak nesneye yansıtılır.
• Çizgi aydınlatma , en çok çizgi tarama kameralarıyla kullanılan tek bir ışık dizisidir. Çizgi aydınlatma, kameranın odağında tek bir ışık çizgisi oluşturur.
• Dağınık aydınlatma bir nesneyi aydınlatsa da sert gölgeleri önler. Dağınık aydınlatma çoğunlukla belirtik veya yansıtıcı nesneler etrafında kullanılır.
• Eksenel difüzlü aydınlatma genellikle yüksek oranda yansıtıcı nesnelerle veya parçadaki gölgelerin yakalanmasını önlemek için kullanılır.
• Arka aydınlatma nesnenin arkasında kullanılır ve nesnenin siluetini üretir. Arka aydınlatma en çok ölçümler, kenar algılama veya nesne yönlendirmesi için kullanışlıdır.
• Özel ızgara aydınlatması , nesne üzerinde bir ışık ızgarası yerleştiren yapılandırılmış bir aydınlatma koşuludur. Bilinen kılavuz projeksiyonu, madde bileşenlerinin, parçalarının ve yerleşiminin daha doğru ölçümlerini sağlar.
• Strobe aydınlatma yüksek hızlı hareketli parçalar için kullanılır. Değerlendirme için nesnenin donması için flaşın kamerayla eşitlenmiş olması gerekir. Flaş aydınlatma, hareket bulanıklaştırma efektlerini önlemeye yardımcı olur.
• Karanlık alan aydınlatması , yakalanacak parça için farklı açılara sahip birkaç ışık kullanır. Örneğin, parça bir taşıyıcı bantta düz yatıyorsa, ışıklar kemere 45 derecelik açıdadır. Koyu alan aydınlatması, yüksek oranda yansıtıcı net nesnelerle en kullanışlıdır ve lens karalama algılamaları için yaygın olarak kullanılır.

Aşağıdaki şekilde ışık kaynaklarının açısal yerleşimi gösterilmektedir:

Görünüm alanı

Bir görüntü işleme iş yükünü planlamada, değerlendirdiğiniz nesnelerin görüntüleme alanı (FOV) hakkında bilgi sahibi olmanız gerekir. FOV, kamera seçimi, sensör seçimi ve lens yapılandırmasında bir rol oynar. FOV bileşenleri şunlardır:

• Nesnelere uzaklık. Örneğin, kamerayla bir taşıyıcı bant üzerinde izlenen nesne iki fit yukarıda mı yoksa bir park yerinde mi izleniyor? Kamera algılayıcıları ve lens yapılandırmaları farklı mesafeler için farklıdır.
• Kapsama alanı. Görüntü işlemenin izlemeye çalıştığı alan küçük mü yoksa büyük mü? Bu faktör kameranın çözünürlüğü, lensi ve sensör türüyle doğrudan bağıntı kurar.
• Güneşin yönü. Görüntü işleme iş yükü dışarıdaysa gün boyunca güneşin yönünü göz önünde bulundurmalısınız. Güneş hareket ettikçe açısı görüntü işleme modelini etkileyebilir. Kamera lenste doğrudan güneş ışığı alırsa, güneş açısı değişene kadar kör olabilir. Güneş izlenen nesnenin üzerine gölge atarsa, nesne gizlenmiş olabilir.
• Nesnelere kamera açısı. Kamera çok yüksek veya çok düşükse, iş yükünün yakalamaya çalıştığı ayrıntıları kaçırabilir.

İletişim arabirimi

Görüntü işleme iş yükünü planlamada, kamera çıkışının sistemin geri kalanıyla nasıl etkileşime geçtiğini anlamak önemlidir. Kameraların IoT Edge cihazlarla iletişim kurması için birkaç standart yol vardır:

• Gerçek Zamanlı Akış Protokolü (RTSP), akış video sunucularını denetleen uygulama düzeyinde bir ağ protokolüdür. RTSP, gerçek zamanlı video verilerini bir TCP/IP bağlantısı üzerinden kameradan IoT Edge işlem uç noktasına aktarır.

• Open Network Video Interface Forum (ONVIF), IP tabanlı kameralar için açık standartlar geliştiren küresel, açık bir sektör forumudur. Bu standartlar IP kameraları ile aşağı akış sistemleri arasındaki iletişimi, birlikte çalışabilirliği ve açık kaynak açıklar.

• Evrensel Seri Veri Yolu (USB) bağlantılı kameralar USB bağlantı noktası üzerinden doğrudan IoT Edge işlem cihazına bağlanır. Bu bağlantı daha az karmaşıktır, ancak kameranın IoT Edge cihazdan bulunabileceği mesafeyi sınırlar.

• Kamera Seri Arabirimi (CSI), Mobile Industry Processor Interface (MIPI) Alliance'ın çeşitli standartlarını içerir. CSI, bir kamera ile konak işlemci arasında nasıl iletişim kuracaklarını açıklar. 2005'te yayımlanan CSI-2'nin çeşitli katmanları vardır:

  • Fiziksel katman (C-PHY veya D-PHY)
  • Şerit birleştirme katmanı
  • Alt düzey protokol katmanı
  • Pikselden bayta dönüştürme katmanı
  • Uygulama katmanı

  CSI-2 v3.0 , RAW-24 renk derinliği, Birleşik Seri Bağlantı ve İlgi Çekici Akıllı Bölge desteği ekledi.

Katkıda Bulunanlar

Bu makale Microsoft tarafından korunur. Başlangıçta aşağıdaki katkıda bulunanlar tarafından yazılmıştır.

Asıl yazar:

• Keith Hill | Kıdemli PM Yöneticisi

Genel olmayan LinkedIn profillerini görmek için LinkedIn'de oturum açın.

Sonraki adımlar

Azure IoT Edge görüntü işleme yapay zekasında donanım hızlandırma