当前位置:网站首页>英特尔与信步科技共同打造机器视觉开发套件,协力推动工业智能化转型
英特尔与信步科技共同打造机器视觉开发套件,协力推动工业智能化转型
2022-07-06 21:46:00 【英特尔边缘计算社区】
随着人工智能的高速发展和演进,机器视觉作为制造业智能转型的重要技术之一,其市场规模迅速增长。基于此,英特尔近日携手信步科技充分发挥双方的先进技术优势,共同推出一系列基于英特尔架构的机器视觉开发套件。这也是英特尔在机器视觉领域,首次与原始设计制造商(ODM)共同推出软硬一体的机器视觉开发套件,为客户提供更加完整、高效、便利的开发环境,从而更有效地助力制造业朝着智能化和信息化的方向演进。
机器视觉如今被广泛应用在各行各业,从整个市场生态来看,本土企业的软件开发能力越来越强。帮助机器视觉企业提高系统方案竞争力、降低软件开发门槛,促进更多机器视觉方案的实际落地,已成为英特尔在机器视觉领域的重点策略。英特尔致力于提供更加高效、可靠的软硬一体开发套件,为工业智能化的进程不断注入新动能,加速智能制造时代的到来。
——李岩
英特尔网络与边缘事业部
中国区工业方案总监
针对机器视觉在不同行业、场景中的应用和需求,英特尔携手信步推出了一系列基于英特尔架构(IA)的机器视觉开发套件。这套软硬一体的开发套件以英特尔工业边缘洞见平台(EII)和英特尔视觉软件优化包为框架,集成了OpenVINO工具套件、英特尔DPC++/C++编译器、英特尔oneAPI数学核心函数库(oneMKL)、VtuneProfiler、IPP、OpenMP和TBB等软件工具和程序库,预置了典型工业应用场景的参考案例和算法优化参考方法,为用户开发机器视觉应用提供端到端的一站式软件框架。与此同时,它还具备稳定性高、性能优异且易于开发部署等特点。此外,该开发套件还采用了模块化设计方案并配置丰富的I/O,可以灵活匹配应用场景对算力和I/O的需求,有助于缩短研发周期、降低成本,并提升产品运维和升级的便利性及效率。与此同时,该开发套件超高的扩展性和可靠性使其在恶劣的应用环境下(如高温、低温、粉尘、油污、电磁干扰等)依旧可实现最大限度的负载整合,确保机器视觉系统长时间、高性能、稳定可靠地运行。基于此,该系列机器视觉开发套件可满足不同机器视觉应用场景对算力、I/O、扩展性等的要求,帮助客户快速落地及部署基于机器视觉的边缘AI解决方案。
信步机器视觉开发套件还可支持多种英特尔处理器。其中,低功耗、小体积的信步PIR、IEN、SCM系列机器视觉计算平台采用第11代英特尔酷睿或赛扬处理器(Tiger Lake-U),部分集成英特尔Iris Xe显示核心,可满足功耗与性能较均衡的视觉应用场景;高性能、紧凑式的信步SMV、ECS系列机器视觉计算平台支持第6至12代英特尔酷睿处理器,提供更强大的多任务处理和图形计算能力,可用于对算力要求较高的机器视觉方案,如3D视觉检测、飞拍等;超高性能、高可扩展的信步ECS系列视觉边缘服务器还支持第3代英特尔至强可扩展处理器,提供超强算力,可用于机器视觉的深度学习和模型训练。
通过本次合作,我们将和英特尔一起持续探索机器视觉技术的价值和潜力,为客户提供高水准的开发套件,并实现更多的落地应用。我们很高兴能与英特尔合作共同实现这一目标,携手推动智能制造业前进的步伐。
——武文璞
信步科技副总经
目前,信步机器视觉开发套件已在汽车制造、3C/半导体、食品包装、物流仓储等行业实现落地应用。某食品包装工厂需要在高速产线上检测塑料瓶吹瓶效果,识别瓶口、瓶身、瓶底的各种外观瑕疵,自动剔除不合格产品。由于客户要求机器视觉系统能够全方位无死角地检测整个塑料瓶,并满足1小时检测25200瓶的产量,信步联合机器视觉方案厂商为客户提供了SMV系列高性能视觉边缘计算机。该计算机配置高性能的英特尔酷睿i7处理器和低延时的英特尔网卡,通过POE网口连接4个高精度相机,从不同角度对每个塑料瓶进行拍摄,实现图片并行处理和实时解析。该计算机在软件上还采用了英特尔EII以及工业视觉应用模型和优化的算法,以实现AI视觉加速。这款方案满足了客户对检测精度和速度的要求,最终获得客户认可并实现落地部署。
在工业制造领域,智能化是未来最重要的发展趋势之一。英特尔正通过包括无所不在的计算、从云到边缘的基础设施、无处不在的连接和人工智能在内的“四大超级技术力量”,来推动技术创新与变革,以应对日益复杂的应用场景及包括制造业在内的众多行业中的挑战。未来,英特尔将继续同更多生态伙伴进行合作,搭建有助于企业发展的机器视觉开发平台,为智能制造行业提供强有力的支持,共同推动工业智能化的升级与演进。
边栏推荐
- VIM - own active button indent this command "suggestions collection"
- [leetcode]Spiral Matrix II
- Using thread class and runnable interface to realize the difference between multithreading
- 2022中青杯数学建模B题开放三孩背景下的生育政策研究思路
- Do you choose pandas or SQL for the top 1 of data analysis in your mind?
- 使用 Dumpling 备份 TiDB 集群数据到 GCS
- Antd Comment 递归循环评论
- pyqt5 失焦 监听无操作 定时器
- 【编码字体系列】OpenDyslexic字体
- Win11玩绝地求生(PUBG)崩溃怎么办?Win11玩绝地求生崩溃解决方法
猜你喜欢
SSM+jsp实现仓库管理系统,界面那叫一个优雅
[ArcGIS tutorial] thematic map production - population density distribution map - population density analysis
opencv第三方库
leetcode:面试题 17.24. 子矩阵最大累加和(待研究)
Simple implementation of AVL tree insertion and verification operations
Antd Comment 递归循环评论
【ArcGIS教程】专题图制作-人口密度分布图——人口密度分析
Ggplot facet detail adjustment summary
见到小叶栀子
The most complete deployment of mongodb in history
随机推荐
视频融合云平台EasyCVR视频广场左侧栏列表样式优化
[on automation experience] the growth path of automated testing
Tflite model transformation and quantification
idea gradle lombok 报错集锦
Using thread class and runnable interface to realize the difference between multithreading
史上最全MongoDB之初识篇
【ArcGIS教程】专题图制作-人口密度分布图——人口密度分析
你心目中的数据分析 Top 1 选 Pandas 还是选 SQL?
Redis源码学习(30),字典学习,dict.h
Why does WordPress open so slowly?
Mongo shell, the most complete mongodb in history
kivy教程之设置窗体大小和背景(教程含源码)
See Gardenia minor
Restore backup data on GCS with tidb lightning
cuda编程
接口自动化测试实践指导(中):接口测试场景有哪些
2022 electrician cup question B analysis of emergency materials distribution under 5g network environment
Different meat customers joined hands with Dexter to launch different hamburgers in some stores across the country
如何编写一个程序猿另一个面试官眼前一亮的简历[通俗易懂]
Learn how to use js to merge two objects into one object assign()