Bilddaten effizient verarbeiten
Durch schlanke Bildverarbeitung Kosten deutlich senken
Moderne Vision Anwendungen erzeugen enorme Datenmengen. Unser Data Reduction System nutzt Bildvorverarbeitung, um die Datenlast drastisch zu reduzieren – für weniger Rechenhardware, geringere Betriebskosten und mehr Effizienz.
4 Gründe für das Basler Data Reduction System
Bis zu 80 % günstiger
FPGA-Bildvorverarbeitung senkt Speicherbedarf und Rechenkosten massivFlexibel
Passende CoaXPress-Kamera wählen und mit einem programmierbaren Framegrabber kombinierenSkalierbar & zukunftssicher
Für CXP-Systeme von 1 bis 99 Kameras, erweiterbar auf CoaXPress-over-FiberSchlank
Reduzieren Sie den Wartungsaufwand – mit einem einfachen Systemsetup und weniger kritischen Teilen
Vision Systeme mit hoher Detailgenauigkeit und schneller Taktung:
Extreme Anforderungen an Rechenarchitekturen
CoaXPress als etablierter Vision Standard bildet die Grundlage für leistungsfähige Bildverarbeitungssysteme: Über CoaXPress-Framegrabber werden Kameras mit der Rechenarchitektur verbunden.
Alle fünf Minuten 4 Terabyte Bilddaten bei 108 Gbps
Die anfallende Menge an Bilddaten bei solchen Vision Systemen ist enorm. Um sie zu verarbeiten, sind viele Rechenarchitekturen so ausgelegt, dass sie die Bilder auf mehrere Recheneinheiten – meist Industrie-PCs – verteilen. Der erste Bildframe wird an die erste Einheit gesendet, wenige Mikrosekunden später folgt das nächste Bild zur zweiten, und so weiter. Diese Datenverteilmethode generiert innerhalb von nur 5 Minuten problemlos bis zu 4 Terabyte an Bilddaten!
Data Reduction System
Bilddaten bereinigen und Bilddaten reduzieren macht Ihr System effizienter
Was ist der Status quo im Umgang mit der stetig wachsenden Bilddatenflut? In der Praxis kommen häufig Rechenarchitekturen zum Einsatz, die auf Datenverteilung basieren: Bildframe 1 wird an Recheneinheit 1 weitergeleitet, Bildframe 2 an Recheneinheit 2 und so fort. Die Daten werden dabei so aufgeteilt und verteilt, bis die Datenrate für die nachgelagerten Recheneinheiten ein verarbeitbares Niveau erreicht.
Herkömmliche Rechenarchitektur
Framegrabber haben ausschließlich die Funktion, die Bilddaten zu verteilen. Dadurch müssen Recheneinheiten mit mehreren leistungsstarken GPUs und CPUs ausgestattet sein.
Die Eingangsbandbreite der Bilddaten bleibt ungedrosselt.
Es entstehen hohe Kosten durch mehrere teure GPUs und CPUs.
Data Reduction Rechenarchitektur
Der programmierte FPGA des Framegrabbers wird zum Katalysator für das Vision System: Er führt zunächst eine Bereinigung der Bilddaten aus, zum Beispiel eine Shading-Korrektur. Darauf folgt eine Reduzierung durch eine Segmentierung, beispielsweise eine Blob-Analyse.
Die Eingangsbandbreite von 100 Gbps kann auf 2 Gbps gesenkt werden.
Ein Data Reduction System reduziert den Bedarf an GPU- und CPU-Leistung deutlich.
Systeme werden bis zu 80 % günstiger
Bereits bei den einmaligen Investitionskosten ist das Data Reduction Vision System dem herkömmlichen Ansatz überlegen und bis zu 28 % günstiger.
In jedem Jahr, in dem die Maschine in Betrieb ist, fallen 80 % weniger Betriebskosten an.
Damit betragen die Einsparungen über den typischen Lebenszyklus von etwa zehn Jahren ebenfalls rund 80 %.
In den Vergleich flossen die Anschaffungskosten für Kameras, Framegrabber, Host-Systeme und GPUs sowie die laufenden Betriebskosten für Cloud-Speicher und Energie ein.
Ein System, alle Möglichkeiten
Die Auswahl an CXP-12-Kameramodelle ist ebenso flexibel wie deren Kombination im System. Gleichzeitig sind die Recheninfrastruktur als auch der eingesetzte Algorithmus frei wählbar. Systembestandteile lassen sich kombinieren und jederzeit erweitern.
CoaXPress-Kameras und Objektive
CoaXPress-Kameras kommen dann zum Einsatz, wenn Ihr Vision System besonders detailreiche Bilder liefern muss und die Bildfrequenz gleichzeitig hoch ist. Wie dieses Beispiel zeigt, wird die Inspektionsaufgabe häufig von Multikamera-Systemen erledigt.
Framegrabber mit FPGA-Bildvorverarbeitung
Das Herzstück jedes Data Reduction Systems bildet ein CoaXPress-Framegrabber in Kombination mit der Software VisualApplets. Gemeinsam übernehmen sie die Vorverarbeitung des Bilddatenstroms – noch bevor die Daten den Industrie-PC erreichen.
Wie entstehen die Effizienzgewinne?
Mit einer Blob-Analyse relevante Bildbereiche identifizieren und Ihr System von überflüssigen Daten befreien
Mit der FPGA-Programmierumgebung VisualApplets lassen sich zahlreiche Bildvorverarbeitungs-Aufgaben effizient umsetzen – unter anderem die Blob-Analyse. Dabei werden zusammenhängende Pixelbereiche als eigenständige Objekte vom Hintergrund getrennt (Segmentierung) und mit Merkmalen wie Flächengröße, Konturlänge und Bounding-Box-Koordinaten beschrieben (Klassifizierung).
Wird die Blob-Analyse bereits in der Vorverarbeitung durchgeführt, findet die Segmentierung statt, noch bevor die Bilddaten erstmals gespeichert werden. Dadurch werden nur die relevanten Regions of Interest (ROI) weiterverarbeitet, was die zu übertragende und zu speichernde Datenmenge deutlich reduziert.
Weniger Daten durch Bildkomprimierung
Durch JPEG-Komprimierung kann die Datenmenge pro Bild erheblich reduziert werden. Bereits bei einer moderaten Reduzierung der JPEG-Qualität von 100 % auf 75 % lässt sich die Datenmenge um bis zu 86 % verringern – bei gleichzeitig sehr guter Bildqualität. In vielen Anwendungen ist sogar eine stärkere Komprimierung möglich, wodurch sich das Einsparpotenzial weiter erhöht.
Die geringere Datenmenge reduziert Speicher-, Übertragungs- und Rechenkosten deutlich. Zwar entstehen zusätzliche Investitionskosten durch programmierbare Framegrabber, diese amortisieren sich jedoch schnell: Bereits nach rund 14 Tagen Dauerbetrieb bei 60 fps gleichen die eingesparten Speicherkosten die Investition aus.
Über eine typische Laufzeit von zwei Jahren ergibt sich trotz der anfänglichen Zusatzkosten eine Gesamtkostenersparnis von rund 85 %. Ab diesem Zeitpunkt arbeitet das System kontinuierlich kosteneffizienter und bietet zusätzlich Spielraum für höhere Bandbreiten und zukünftige Erweiterungen.
Mehr über JPEG-Komprimierung erfahrenEs lohnt sich: Wenn wir die Bildverarbeitungsstrecke vom Sensor über den Kamera-FPGA bis hin zur Rechenarchitektur anschauen, zeigen sich häufig Effizienz-Potenziale.
Unsere ganzheitliche Betrachtung der Systeme überzeugt Kunden immer wieder aufs Neue.
Data Reduction reduziert die benötigte Rechenhardware deutlich. Das Ergebnis:
Leistungsfähige Vision Systeme bei maximaler Kosteneffizienz.
Für welche Anwendungen lohnt sich Data Reduction besonders?
Wenn Produktionslinien immer schneller werden und gleichzeitig höchste Qualitätsanforderungen erfüllt werden müssen, stoßen herkömmliche Bildverarbeitungssysteme schnell an ihre Grenzen. Data Reduction Systeme sind ideal für Anwendungen mit hohen Geschwindigkeiten bei gleichzeitig maximaler Inspektionsgenauigkeit.
So erhalten Sie ein Data Reduction Vision System für Ihre Applikation
Für Ihre Bildverarbeitung bieten wir die optimale Kombination aus CoaXPress-Flächen- und Zeilenkameras, präziser Optik, leistungsstarken Framegrabbern und Software.
Wir erstellen Ihr Data Reduction Vision System in kurzer Zeit
Unsere Projektteams implementieren Algorithmen für die Bildvorverarbeitung wie Schärfungen, Blob-Analysen, JPEG-Komprimierung oder Ihre spezifische Lösung auf dem FPGA des Framegrabbers – schnell und effizient.
Sie möchten sicherstellen, dass unsere Lösung Ihre Anforderungen erfüllt? Im Rahmen eines Proof-of-Concept testen wir gemeinsam Ihre Anwendung auf Machbarkeit. Wir simulieren Ihr Szenario und ermitteln das optimale Hardware-Setup für Ihr Vorhaben.
Erhalten Sie innerhalb von 5 Arbeitstagen eine fundierte Entscheidungsgrundlage – noch bevor Sie investieren.
Proof-of-Concept anfragen