IoT 어플리케이션용 스마트 센서로 작동하는 임베디드 비전 솔루션
스마트 IoT(사물인터넷) 어플리케이션의 작동 방식
카메라와 같은 IoT 센서는 일반적으로 대역폭이 매우 낮은 클라우드에만 연결됩니다. 따라서 이미지 데이터의 양이 많은 경우에는 전송 속도가 느려집니다. 이러한 문제에 대한 한 가지 해결 방법은 카메라 센서 자체의 위치를 의미하는 '엣지(Edge)에서' 이미지 데이터를 분석한 다음, 평가가 완료된 데이터만을 클라우드로 전송하는 것입니다. 이러한 목적은 연결의 대역폭이 매우 낮은 경우에도 충분히 달성할 수 있습니다. 따라서 데이터를 클라우드로 매우 빠르게 전송하여 카메라가 이벤트에 반응하도록 할 수 있습니다.
Basler 임베디드 비전 솔루션 자세히 보기1단계: 임베디드 비전 시스템에 적합한 하드웨어 찾기
라이브 데모는 수상 경력에 빛나는 Basler 임베디드 비전 키트를 기반으로 합니다. 이 키트는 다음과 같은 요소로 구성됩니다.
Basler의 dart MIPI용 BCON 카메라 모듈
96 Boards™ 호환 가능 프로세싱 보드 및 Qualcomm® Snapdragon™ SoC
카메라 모듈을 프로세싱 보드에 직접 연결하는 96 Boards™ 호환 메자닌 보드
이 솔루션을 사용하면 높은 프레임 속도의 카메라 모듈에서 캡처한 이미지 데이터를 프로세싱 보드에서 직접 처리할 수 있습니다.
Discover the Embedded Vision Portfolio2단계: 분류를 위한 신경망 훈련
라이브 데모의 목적은 레고(Lego)의 다양한 인물 모형(장인, 우주 비행사, 요리사 등)이나 다양한 교통 표지판을 분류할 수 있도록 하는 것입니다. 이 작업은 신경망, 더 엄밀하게 말하면 합성곱 신경망(CNN)을 이용하여 수행됩니다.
Basler는 처음에 레고 인물 모형 분류와 교통 표지판 분류를 위한 CNN을 별도로 개발하여 총 2개의 CNN을 훈련시켰습니다. 훈련된 CNN의 크기는 단 몇 메가바이트로 그다지 크지 않으며 낮은 대역폭 연결을 통해 수용 가능한 시간 내에 클라우드에서 엣지(Edge) 디바이스로 전송할 수 있습니다. 레고 인물 모형 CNN을 전송한 후에는 엣지(Edge) 디바이스가 인물 모형들을 안정적으로 분류하고 그 결과를 낮은 대역폭 요구 사항과 짧은 대기 시간으로 클라우드에 보고할 수 있었습니다. 엣지(Edge) 디바이스를 '재조정'하여 교통 표지판을 분류하려면 스마트 센서가 다양한 교통 표지판을 안정적으로 감지할 수 있도록 클라우드에서 교통 표지판 CNN만 전송하면 됩니다.
임베디드 비전용 소프트웨어로 이동하기
임베디드 비전 솔루션의 이점 요약
센서를 클라우드에 연결하기 위한 낮은 대역폭 요구 사항
센서 이벤트에 대한 클라우드 어플리케이션 반응의 짧은 대기 시간
다양한 센서 OTA(센서 구성, 펌웨어 업데이트 또는 새로운 분류 작업을 위한 신규 CNN 업로드 등)를 동시에 "원격으로 유지 관리"할 수 있는 이상적인 기회