圖1、機器視覺（machine vision）
工業物聯網（IIoT， Industrial IoT）的特點是高度自動化和普遍聯網的生產流程。 在這個領域， 機器視覺（machine vision）作為關鍵技術變得越來越重要。
為了使識別過程更加精確， 並使其適應基於靈活和網路化的IIoT生產過程的要求， 基於人工智慧（AI）的深度學習（deep learning）和CNNs（卷積神經網路(Convolutional Neural Network,CNN)）等方法在機器視覺中凍的應用越來越普遍。 嵌入式系統面臨的挑戰是， 與固定式的桌面系統相比， 嵌入式系統在處理器， 記憶體和存儲容量方面更為有限， 因此計算能力較低。
圖2、MVTec軟體（MVTec Software）在嵌入式設備上實現AI
但是MVTec軟體（MVTec Software）提供了一個技術上的證明， 它將深度學習（deep learning）引入到了nVidia Pascal架構中。 MVTec軟體（MVTec Software）的Halcon機器視覺軟體17.12版中的深度學習（deep learning）推理在基於64位ARM處理器的nVidia Jetson TX2板上進行了成功的測試。
深度學習推斷（deep learning inference）， 即應用訓練的卷積神經網路（CNNs， Convolutional Neural Network）， 幾乎達到了傳統的筆記型電腦GPU（約5毫秒）的處理速度。 因此， 用戶可以在流行的nVidia Jetson TX2嵌入式主機板上享受到深度學習的所有好處， 這要歸功於該軟體附帶的兩個預訓練（pretrained networks）的神經網路。 其中一個是所謂的“緊湊型”網路， 它針對速度進行了優化， 因此非常適合在嵌入式主機板上應用。
除了深度學習（deep learning）之外， 這些嵌入式設備還提供標準Halcon機器視覺（Halcon machine vision）庫的全部功能。 應用程式可以在標準PC上開發。 在HDevEngine的説明下， 訓練好的神經網路以及應用程式可以被傳輸到嵌入式設備中。 另外， 用戶可以利用個人電腦中的功能更強大的GPU來訓練他們的卷積神經網路（CNNs， Convolutional Neural Network）， 然後在嵌入式系統上執行推理，
注：機器視覺（machine vision）是人工智慧正在快速發展的一個分支。 簡單說來， 機器視覺就是用機器代替人眼來做測量和判斷。 機器視覺系統是通過機器視覺產品(即圖像攝取裝置， 分CMOS和CCD兩種)將被攝取目標轉換成圖像信號， 傳送給專用的影像處理系統， 得到被攝目標的形態資訊， 根據圖元分佈和亮度、顏色等資訊， 轉變成數位化信號;圖像系統對這些信號進行各種運算來抽取目標的特徵， 進而根據判別的結果來控制現場的設備動作。
（完）