项目挑战
SICK 机器视觉解决方案是将 AI 部署到边缘端的全面集成系统。其客户需要能够在不打破功耗或空间限制的情况下提供高性能技术，但这些解决方案也必须简单易用，这样其客户就无需成为精通所有技术细节的 AI 专家，而是能够毫不费力地（甚至是在设备上）快速训练系统。
解
决
方
案
SICK 使用 AMD FPGA 以及 AMD FINN 开源框架，在其智能机器视觉平台中生成高度优化的 FPGA 加速器。AMD 自适应技术利用可编程和可配置的硬件资源来加速处理。因此，使用该技术的系统可实现基于硬件的解决方案的最佳性能，同时具有软件可编程性的灵活性。
由于 SICK 拥有一个灵活、高性能的构建平台，因此他们能够集中精力进行开发工作，为客户简化技术。
例如，SICK Lector 摄像机系列为代码读取应用进行了预先配置。凭借其大图像尺寸和像素精确处理能力，Lector 系列使用设备上的神经网络，在较大的检测空间内识别包裹或信封上的条形码。
Lector 是为特定类型的应用配置的解决方案，而 Inspector 摄像机系列则可灵活、可编程地访问 SICK 智能机器视觉平台的众多功能。开发人员可以使用内部的深度学习处理单元，实时优化高速、高分辨率机器视觉 AI 处理，以完成复杂的检测任务。
SICK 提供的 Nova 2D SensorApp 是一个深度学习驱动的智能检测工具集，可在其开发生态系统中提供无缝的用户体验。
“Nova 的简单框架允许我们的客户使用自己的图像来训练 AI 神经网络。无论是专家还是非专业用户，都可以使用直观的界面快速训练和配置传感器，只需几分钟即可获得结果。对于更复杂的任务，SICK 可为其客户提供云端训练功能，使他们无需投资自己的训练基础设施即可轻松创建定制 AI 神经网络。”
—— Christoph Maier
SICK 高级工程师
SICK Lector、Inspector 和 Nova 系列在其智能机器视觉平台中使用了各种 AMD FPGA 和自适应 SoC。AMD Kintex™ UltraScale+™ 器件在 SICK Lector / Inspector83x 和 85x 系列机器视觉解决方案中提供集成架构，用于执行复杂的检测任务。在摄像机内部，Kintex UltraScale+ FPGA 可以实时对 500 至 1200 万像素的图像进行高速捕获、压缩、预分割和 AI 神经网络处理。
设
计
成
效
Maier 表示：“AMD FPGA 和自适应 SoC 的硬件/软件可编程灵活性将为我们的客户带来优势。我们的机器视觉解决方案可提供针对其数据和应用进行优化的硬件加速性能。”
SICK 公司的嵌入式系统工程师 Stefan Blattmann 是该公司新技术评估团队的一员，他表示：“成效不言自明。”例如，物流行业的一个关键指标是，系统在不可预测的情况下可以读取多少条形码。条形码阅读器必须找到尽可能多的代码，这样包裹就不需要重新通过扫描仪。Blattmann 说道：“AMD FPGA 的集成度和性能使我们的解决方案能够优化准确性和执行速度，同时在复杂的条形码读取应用中也能实现卓越的准确性。”
SICK 能够对 Kintex UltraScale+ 和其他 AMD FPGA 进行编程，为特定的应用任务提供最佳硬件配置。AMD FPGA 技术的优势使 SICK 能够在多个维度上扩展 AI 技术，从流处理中的低时延 AI 到高性能通用 AI 视觉任务。
Maier 指出：“我们可以运用我们的本土技术，并根据我们需要的尺寸和功能来定制芯片。通过这种方式，我们可以保证我们的解决方案可以在固定帧率下运行复杂的 AI 推理。”
AMD 技术能够帮助 SICK 为客户简化技术，从而提供高性能等产品特性。Maier 表示：“我们的客户不想为集成硬件而烦恼，也不想为特定应用中的 AI 实现而担忧。这就是我们所带来的价值。我们将硬件和 AI 的复杂性抽象化，使它们更易于使用。这使我们的客户能够专注于解决他们的问题。”
在简化自身开发工作方面，Blattmann 指出了 AMD 器件的集成度，“AMD 提供了完整的软件包。他们的 FPGA 和自适应 SoC 将我们需要的 AI 处理能力集成在单个器件中，而不会影响性能。有了硬件可编程资源，我们可以立即集成我们可能需要的任何其他功能。”
✦
✦
✦
【直播预告】
