使用案例

使用基於CNN技術的視覺系統進行經濟高效的尿液沉澱物檢查

如何將基於CNN技術的嵌入式視覺系統用於尿液沉澱物分析？

在尿液沉澱物分析中，實驗室員工需要在顯微鏡下檢查尿液樣本中的固體成分，以診斷腎臟或泌尿器官疾病。然而，在顯微鏡下手動檢查通常有出錯的風險，並且非常耗時。因此，許多實驗室都會使用自動化系統。根據所需的不同性能、功能和設計尺寸，此類自動化系統的集成視覺系統也有所不同。下面介紹的這款基於CNN技術的嵌入式視覺系統可以滿足成本效益和高性能的要求。

尿液沉澱物分析存在哪些挑戰？

如今，實驗室需要以更快速的速度和合理的成本來提供分析結果，同時又不能影響可靠性。通過在合適的嵌入式視覺系統上使用基於CNN的分析演算法就能實現這個目的。決定性因素在於要整合合適的硬體和軟體元件，即元件之間需要相互適配。因此，選擇經驗豐富的合作夥伴最能實現理想的效果。

解決方案：可靠且經濟實惠的 CNN 視覺系統

本示範提供一種可靠且價格低廉的 CNN 視覺系統，適用於上述自動化尿沉渣顯微檢查等任務。我們在多樣化的產品組合中，提供所有必備的軟硬體元任。

系統硬體由具有 5MP 解析度和 MIPI CSI2 介面的 dart 彩色相機模組、合適的資料線材和 Basler 開發的嵌入式視覺處理板組成。該板提供相關的通訊和控制介面，適合以桌上型小型設備來當做中央控制器單元進行整合。我們這組價格/性能最佳化主機板的核心元素，是NXP ® i.MX 8M Plus。系統軟體包括 pylon 軟體套件，用於相機配置及後續的影像擷取和分析。所使用的 dart 相機模組具有 ISP (影像訊號處理器) ，可完成所有影像預處理步驟，包括去拜耳和去雜訊等，以及設定 ROI （興趣區域）或將感光元件畫素縮放到目標解析度。由於並非所有 dart 相機模組都具有整合的 ISP，因此嵌入式視覺處理板中的 i.MX 8M Plus 整合的 ISP，可以作為替代方案。

CNN 的後續推理是由 i.MX 8M Plus SoC (單晶片系統) 上的特殊處理器 NPU (神經處理單元) 來執行。CNN 典型的運算密集型任務由 NPU 以硬體加速執行，執行因而特別高效。AI vTool 物件偵測已針對 pylon AI 平台上的 NPU 預先最佳化。在 NPU 推論之後，在 i.MX 8M Plus SoC 上的 CPU (中央處理器) 上進行進一步的處理步驟。pylon Viewer 用於配置影像處理解決方案：使用 AI vTool 配置輸出和視覺化邊界框。這使得尿沉渣成分可以精確有效進行分類與定位，以產生統計資料結果。然後可以將配置和儲存的配方，傳輸到目標應用程式軟體，而無需任何程式編寫工作。