标签： rrk

想建立一座智慧工厂吗？它实现起来比你想象的更快。

对于许多制造商来说，由于开发人员和运营团队的脱节，他们可能需要付出旷日持久的努力才能实现数字化升级。

“开发人员不一定会参与公司的运营，”西门子公司欧洲、中东和非洲地区 MindSphere 合作伙伴市场总监 Rogério Boleta 解释说，“同时，了解那些机器和传感器的人又可能不了解编程。”

因此，新技术与传统设备之间会存在不匹配的问题。当制造商的业务取决于正常运行时间时，他们就会对尝试未经验证的技术表现得犹豫不决。人们认为，还是坚持自己已知的事情更为稳妥。

但是如果有一条通往智慧工厂的捷径呢？如果有一种新方法，可以在利用可靠技术的同时缩短获利时效呢？如果各工业组织可以在预先配置的解决方案上开发、部署和测试应用程序呢？

多条道路，同一目标

这是 MindSphere 的背后哲学，MindSphere 是西门子开发的基于云的开放式物联网操作系统。MindSphere 为制造商提供高效且经济的方式，在支持其现有运营环境的同时应对其独有的业务挑战。

借助英特尔^® 和西门子 MindSphere RFP Ready Kit (RRK)，合作伙伴可以从这些可扩展、可重复饿解决方案中获益，这些解决方案旨在解决他们及其客户面临的关键市场挑战。合作伙伴们现在可以通过为物联网构建的可靠解决方案获得竞争优势。

英特尔和西门子与物联网生态系统合作伙伴紧密合作，提供可缩短上市时间、节约运营成本和降低部署风险的集成解决方案。这意味着您的企业可以更快地赚钱和省钱，而且不需要猜测。

关键是允许每个利益相关方走自己的路。“无论是一种新的服务模式，还是想要提升底线效率，制造商都应关注其核心竞争力，”西门子数字工业软件全球联盟总监 Manoj Patil 说，“他们最了解资产，最熟悉自己的产品，也最知道有哪些地方可以优化。”

同时，开发人员和系统集成商可以利用西门子几十年的行业经验快速交付价值。“将如此丰富的经验应用到物联网服务和解决方案中，他们的生活会变得更加轻松，” Boleta 表示，“与替代品相比，他们获得了大量以这些行业知识为基础的现成工具。”

其主要优势是什么呢？MindSphere 解决方案可以从资产联网那一刻起，在几秒钟内快速形成见解，推动基础设施内各个点实现智能化。

MindSphere 能为您做什么

MindSphere 提供开放式连接框架，与新的和现有的硬件、软件和云平台进行集成。

• 与来自西门子和其他制造商的物联网就绪资产相连
• 开箱即可兼容多种协议
• 支持 ERP、MES 和 SCADA 等多个数据系统
• 包括用于向客户或特定用例连接代理下达程序指令的 API

“您可以从三个层面定义 MindSphere，” Patil 说，“从根本上说，各个层面能够分别应对客户面临的连接性、分析和应用方面的挑战。”（图 1）

从优势上来说，MindSphere 解决方案可包括用于适当工作或许多不同工作的合适硬件。比如，使用英特尔技术的 MindConnect Nano 和 MindConnect IoT 2040 提供复杂的边缘计算选项，可实现零接触的安全入门。二者都能通过与 MindSphere 之间的安全互联网连接提供设备连接性以及数据收集、存储和传输。

在数据流式传输时使用分析算法可以对高频数据进行预处理。这样，MindSphere 对开发和运行基于云的应用程序与服务进行了简化。

MindSphere 还提供应用环境，使开发人员、集成商和最终客户能够创建、测试和运行他们现有的应用程序。此外，他们还可以将这些应用程序添加到 MindSphere 应用商店中，为更广阔的生态系统提供这些应用程序。这样做甚至还可以通过为新客户和新市场提供软件和服务许可来获得新的收入机会。

并且这种获益是双向的。这个应用商店中还提供由西门子和第三方开发的各种应用程序，从而使利用易于集成的现成应用程序构建解决方案成为可能。

快速、高效的应用程序开发

“它实际上是使用可视化工具在模板、构建块和开箱即用的连接器的基础上构建应用程序，” Patil 表示，“因此，Mendix 提供的工具可以为您节省通常要在编码和本地应用程序方面花费的巨大精力。”

即使对于完全集成的车间应用程序，其开发工作也会比传统的编码方式快 10 倍。

产品质量与安全

关于启用令人叹服的云解决方案，其中一个例子就是与 Mentor Embedded Software 合作，通过智能阀门控制实现流程自动化。这个解决方案以英特尔技术为基础，促进在多个英特尔架构上实现人工智能和计算机视觉的全部潜力。它提供了模拟仪表装置，可以通过一个摄像头读取多块仪表的数值，并提供访问控制和监测流程遵守情况，从而帮助和指导现场工作人员。

所有这些都可以通过边缘智能和推理结合 MindSphere 业务流程来实现。

集成活动正在进行

Arrow Electronics 这样的合作伙伴正推动这一模式进一步发展。通过将基于 MindSphere 的应用程序构建到边缘到云端解决方案中，这家聚合器组织正为其工业客户提供预见性维护系统。

例如，通过集成其 iCOMOX 智能状态监控系统，Arrow 提供了一个平台，将多传感器设备、MindConnect 网关的前沿人工智能功能和 MindSphere 物联网操作系统的优势结合到一起。

“Arrow 开发了具备 3Xs 震动分析、元噪声、温度等传感器的多传感器设备，” Patil 解释道，“这样您便拥有了监控和连接工业资产（一般为会产生震动的任何资产，比如泵、井、压缩机、发动机或传动装置）所需的所有相关传感器。在 MindSphere PaaS、使用英特尔技术的 IPC 和 iCOMOX 的基础上，您可以在云端进行预见性维护。”

Arrow 得益于可扩展开发套件、开放式服务平台和边缘计算机，在为客户提供边缘到云端解决方案方面抢占了先机。

而且西门子也从与英特尔的关系中获益匪浅，这种关系远远超出技术集成与开发工具的范围。“除了英特尔技术的价值外，例如，无论是 IPC 中的组件还是英特尔^® OpenVINO^™ 工具包，合作伙伴生态系统都可以帮助我们以可扩展的方式将端到端解决方案推向市场，” Patil 说。最后，我们共同带来明确的客户利益。

全球竞争格局带来的压力意味着工业运营需要提高效率——时不我待，我们要立即采取行动。您需要一条行得通的途径，还需要符合您需求的物联网解决方案。MindSphere 能让您用最少的投资获得最大的回报，从而实现这一目标。

计算机视觉、机器学习和人工智能 (AI) 等术语如今已变得耳熟能详，人们很容易会把它们看作是单独的应用。事实是，它们每一个都代表了能够满足各种使用案例需求的整个应用类别。

因此，计算机视觉系统采用各种硬件架构。在某些应用中，单单使用标准 CPU 就可以完成任务。在另一些应用中，可能需要使用 GPU、FPGA 甚至专业的视觉处理器 (VPU)。

当然，这些计算架构可以按各种配置组合起来。如图 1 所示，视觉处理管道由数个步骤组成，不同的处理器适用的步骤各不相同。例如，GPU 通常用于处理原始视频数据和提取特征，而 VPU 和 FPGA 则非常适合用于分析。

了解计算机视觉的复杂性

但是，一个使用案例可能需要用到多种计算机视觉，每种类型都有不同的计算要求。在制造业中尤其如此，生产线上的每个阶段都可能涉及不同的算法、相机和计算机硬件，以执行各自专门的缺陷检测任务。

以金刚石涂层锯片的制造流程为例。该流程涉及许多步骤，包括：

• 将原始坯料切割成圆盘状
• 将金刚石涂层烧结到切削刃上
• 钻安装孔
• 抛光圆盘
• 削尖刀片
• 对圆盘进行喷漆
• 打印标签
• 将刀片规格刻印到圆盘上

如图 2 所示，每一个步骤都会出现各种各样的缺陷。每种缺陷都有其独特的特征，因此需要不同的视觉检测。

因此，拥有一个支持各种配置方式、可以灵活部署的可扩展平台非常重要。这种方法的一个例子是 APQ Science & Technology 的智能视觉处理系统 (IVPS)。基准系统可以搭载一系列英特尔^® 酷睿^™ 处理器，开发人员不但可以选择 CPU 性能，而且能够选择内置 GPU 性能，以满足不同的需求。此外，IVPS 还支持基于英特尔^® Movidius^™ 处理器的直插式加速器，在需要时提供神经网络加速。

该公司的 CTO Dequan Wang 解释了为什么专用性和灵活性对于解决广泛的技术问题必不可少。对于检测形状切割误差等任务，算法只需要中等计算能力。但其他任务提出了更高的要求。

“考虑到钻石涂层的纹理，我们很难检测到划痕，” Wang 说道，因为涂层表面是不规则的。因此，该公司需要一个多层神经网络来识别划痕和其他缺陷。

此外，标签和其他印刷品评估起来也异常困难。因为细节可能非常精细，所以这个阶段需要非常高的精度和图像分辨率，这又增加了计算负载。

裂纹检测也有独特的要求。在这个例子中，图像预处理是消除噪声的关键，因为噪声会干扰刀片表面裂纹的识别。

但是，可扩展性如此重要还有另一个原因：制造流程往往会随着时间而改变。在本例子中包括原料、刀片尺寸和其他规格的变化，以及制造设备的更新。因此，我们需要将计算性能理解为一个移动靶，需要随机应变。

智能软件大显身手

虽然灵活的硬件平台可以帮助满足所有这些变化的需求，但这只是开始。开发人员需要一个能够灵活扩展的软件平台。

在这里，英特尔^® OpenVINO^™ 工具套件发挥重要作用。该平台可以轻松地调整 CPU、GPU 和 VPU 的性能，使开发人员能够根据需要在不同的硬件配置之间无缝切换。

“OpenVINO 帮助我们的系统成功提速” Wang 说道，“它提供了一个基本的多媒体处理库和一个神经网络计算框架。这减少了我们的开发工作量，充分提高了性能，并加快了开发速度。”

IVPS 通过在同一硬件上集成计算机视觉和运动控制，将这种可扩展的方法又向前推进了一步。这不仅改进了计算机视觉和运动控制的协作程度，还降低了成本，同时提高了精度和性能。

“使用我们的集成 PLC SDK，客户可以在 IPC 上完成各种运动控制应用，” Wang 说道，“同时在任何需要的地方执行计算：CPU、GPU、加速卡。这有助于他们充分利用计算机视觉的优势。”

锦上添花的服务

即使拥有所有这些复杂的工具，制造商也会发现开发复杂的机器视觉算法是一项艰巨的任务。这激励了 APQ 推出与其硬件相辅相成的开发服务。

“我们将开发专门针对这些应用场景的定制算法，” Wang 解释道。“我们的目标是减少检测系统的误报，当然，也要提高检测的准确性。”

这不仅仅是为流程中的每个步骤创建算法。APQ 关注的是整条生产线。Wang 说道，“我们在软件中充分模拟他们的流程，使他们能够快速上手。”

对于制造商而言，他们的目标是以低成本生产出没有缺陷的产品。计算机视觉和推断训练可以解决这个挑战。在流程的每个步骤使用合适的硬件来执行机器学习，可以减少甚至消除可能导致生产中断的误报。

开发人员首先开始使用 ROS（机器人操作系统），现在称为 ROS1，因为操作该系统不需要具备机器人编程方面的专业知识。但是，开发人员发现 ROS1 不能支持移动机器人组群。

这种失能是由于受到了实时编程、反应性和低延迟等方面的限制，而所有这些对于准确的机器人控制都是必需的。例如，一家智能工厂中的一队自主移动机器人必须能够协同工作，以选择、抓握和移动物品，同时又不会互相妨碍。没有实时计算机视觉处理，不可能完成这些任务。

ROS2 在 ROS1 的基础上对 API 做了重大改变。这使操作系统能够支持更广泛的计算环境，利用与 ROS1 不兼容的技术，并可以进行实时计算机视觉编程。最后，开发人员理论上可以将开源中间件用于集群机器人技术。

但有一个问题仍然妨碍着许多开发人员使用两种形式的 ROS 来构建商用移动机器人。ROS 开源社区没有能力提供保证，也无法支持人们在操作系统上构建的机器人。

这为凌华科技创造了机会，开发出了 ROS2 自主移动机器人控制器：ROScube。这是一个经过 ROS2 优化的开发平台，可保证为客户提供能够集成并简化硬件和软件的解决方案。通过提供算法库和软件，它可以将编程时间缩减一半。

“在传统的机器人开发过程中，编程是最耗时的阶段。能够将编程时间减少 50% 意味着开发人员可以更快地测试和完善他们的工作。”凌华科技项目经理解释道。

Wang 表示，使用 ROScube 的解决方案集成商经历了在三个月内从开箱即用到构建概念验证 (PoC) 部署的转变。他们能够使用 ROScube 随附的算法来实现这一目标，而不必自行编程。

开发人员还可以从凌华科技公司获得技术支持并排除故障。而且，由于所有组件都可以顺利协作，因此使用来自单个实体的硬件和软件可简化构建移动机器人的过程。

机器人视觉浅析

ROScube 包括 ADLINK Neuron SDK，用于内部通信以及集群移动机器人应用所需的车到车协调。该 SDK 随附了商用版（相对于开源而言）数据分发服务 (DDS) 中间件，以帮助确保可靠、实时的通信。它还提供了一系列 QoS 资源、NeuronLib API、UI 接口、车队管理软件以及 ROS1 和 ROS2 兼容性。

所有这些都为开发人员提供了使用开源社区工具构建的机器人所缺乏的支持。他们唯一需要的技能是使用通用编程语言（例如 C、C++ 和 Python）的能力，并熟悉 Linux 等常规操作系统。不需要具备深厚的机器人知识或专业知识。

Neuron SDK、ROScube、ROS 初学者工具包和 NeuronBot 支持用于人工智能算法的计算平台以及机器人视觉、目标识别和训练所需的推断（图 1）。

无损性能

缩短开发时间并不意味着性能或功能受损。ROScube 可与英特尔^® 实感^™ 深度摄像头和英特尔^® Movidius^™ VPU 神经计算引擎等技术配合使用。

实感摄像头可辅助自主移动机器人计算颜色和距离信息以执行定位和导航。这很关键，因为此类机器人必须能够规划、执行和更改其路线，并避免与移动和静止的物体碰撞。

Movidius 中包含的人工智能算法库支持人工智能框架和神经网络，允许移动机器人学习和识别物体和人脸。这两种技能对于交付物品以及与目标（包括其他机器人）和人员互动都很重要。

通过 ROScube 控制器，还实现了多个移动机器人与其他设备实时通信。该控制器除设计了各种 I/O 端口之外，还可选配英特尔^® 至强^® 或英特尔^® 酷睿^™处理器。通过这种方式，使用 ROScube 构建的自主移动机器人可以使用计算机视觉来参与各种场景。

鉴于 ROScube 能够与 ROS1 和 ROS2 两个操作系统兼容，因此企业能够开发最适合其需求的任何一种移动机器人。无论哪种情况，该解决方案都可以缩短对机器人进行编程所需的时间、降低成本及提高性能水平。

工业物联网边缘设备将更多的智能、网络和安全功能与传统的感应、执行和控制任务集成在一起。因此，工作负荷整合已变得比奢侈品更为重要。将多个功能组合到一个系统中可减少总体组件成本、功耗、硬件占用空间、布线以及其他资本和运营支出。

最终用户的利益是显而易见的，但是，OEM 和系统集成商到哪里寻求快速、大规模地开发工作负荷整合的设备呢？对此类系统进行原型设计需要工程团队分别构建每个子系统，然后将这些离散设计整合到一个统一的工作负荷整合架构中。

工作负荷整合的原型设计问题

想象一下，一个工业视觉系统在自动化生产线上扫描有缺陷的产品。今天，这类系统使用神经网络算法来搜索生产缺陷，而且，支持确定性但对 IT 友好的通信技术（如以太网 TSN），因此，需要高级板载安全性。此外，如果检测到生产异常，这类系统还必须在几微秒内将控制信号发送给驱动自动化生产线的 PLC。

在早期开发中，这意味着需要投资一系列支持每个所需任务的目标设备，就像在常规系统架构中那样。

康佳特市场营销总监 Christian Eder 说：“如果采用传统方式，运动控制部件将是通过以太网连接到交换机的盒子中的 PLC。然后，我们当然有一个云连接器，它通常是另一个盒子，用于处理与外部应用（如人工智能摄像头）的安全通信。”（图 1）

与将所有东西放到一个需要稍微快一点的 CPU 的盒子里相比，仅仅是简单的硬件成本就可能翻倍。而且，这甚至都没有考虑到软件集成，软件集成可能要花费数百个工程小时才能确保各个组件在最终系统中正常运行。

借助工业物联网开发套件减少工作

为解决这些设计中的系统集成差距，康佳特在 2019 年嵌入式世界上推出了工作负荷整合概念证明 (PoC)（视频 1）。差不多一年之后，该公司通过与英特尔^® 合作，使 PoC 发展成为面向 OEM 和系统集成商的现成工作负荷整合入门套件。

视频 1。康佳特的工作负荷整合 PoC 在一个设备上整合了实时控制、计算机视觉和云连接。（资料来源：嵌入式计算设计）

如图 2 所示，工作负荷整合套件以 congatec Conga-TS370 COM Express 6 型主板为基础，搭载一个六核英特尔^® 至强^® 处理器。这些内核使用实时系统的实时嵌入式虚拟机管理程序相互隔离，从而使康佳特套件可以组合通过虚拟以太网连接的三个独立子系统：
机器视觉 — 基于 Ubuntu Linux 的视觉系统使用四个内核，但集成了 Basler 工业 USB 摄像头和 ReFLEX CES 的 Arria^® 10 FPGA 加速卡。计算机视觉算法使用英特尔^® OpenVINO^™ 工具包在桌面操作系统上运行进行开发。

云连接 — 另外一个内核运行 EdgeOS。EdgeOS 是一种外形小巧的 Linux 装置，拥有套件的物理以太网端口并支持 MQTT 等企业连接。它还提供安全的网关功能，充当其他子系统与外界之间的防火墙。

实时控制 — 最后一个内核运行一个实时 Linux 操作系统。该操作系统管理着系统面向控制的任务，其功能类似于 PLC。为了证明这一点，该套件通过 USB 与伺服驱动的摆锤连接。

开箱即用的工作负荷整合入门套件带有预配置的虚拟机管理程序、已加载的操作系统以及对网络堆栈和 OpenVINO 人工智能库的访问。对于希望简化强大的工业物联网边缘解决方案设计的组织而言，这种组合既可以降低开发成本，又可以缩短产品上市时间。

Eder 说：“当然，将所有内容都放在一个平台上更容易维护。毕竟已经建立起完整的环境。您可以立即开始优化应用程序的特定细节。”

“不要从零开始。借用 90% 的现有成果并优化剩余 10% 的工作。” 他补充道。

嵌入式系统原型的最后一英里

随着电子系统的价值逐渐转向应用软件和服务，技术重用对于任何设计的深层嵌入部分至关重要。工作负荷整合入门套件将该基础技术的复杂性抽象化，同时允许物联网工程组织专注于核心增值，而无需担心将来的复杂软件集成。

显然，套件本身可能并没有针对每种可能的使用案例进行优化，但是康佳特与其他公司的工程服务部门可以调整硬件和软件子系统，以确保达到最终的设计目标。

现在，工作负荷整合解决方案使您的最终产品获得率达到了 90%。您在最后一英里会做什么？

随着制造商们将其全球工厂预算的多达 65% 投入工业物联网计划，企业领导者们也提出了疑问，制造商如何最大程度地提高投资回报。例如，运营收益是否可以补偿从头开发支持计算机视觉的解决方案的成本？是否存在可以实现相同目标的更具成本效益的技术？

借助机器视觉开发套件，制造商和系统集成商能够以经济的方式接受机器视觉和人工智能 (AI)。方式是什么？推动他们构建概念证明 (PoC) 或针对特定工厂使用案例量身定制全面开发的解决方案。

例如，使用这类套件进行部署可以帮助制造商大幅减少生产线浪费，同时使他们能够在紧迫的时间内生产更多符合规格的产品。像 JWIPC 这样的公司已经投资构建了这类开发工具，并部署到各类制造现场。

人工智能做好质量控制准备

渝美压铸厂正在使用基于 JWIPC AI Ready Vision Kit for Smart Manufacturing 构建的自动化缺陷检测解决方案。与手动检查相比，该公司质量控制流程的准确性提高了 20%。制造商现在可以发现的缺陷包括零件上或模具中铝残留过多，以及铸件有裂纹和翘曲（图 1）。

为了获得这些结果，渝美的开发合作伙伴开始使用套件中提供的硬件和软件。其中包括数据提取和分析软件以及英特尔^® Industrial Edge Insights 和英特尔^® OpenVINO^™ 工具包。这个组合已经帮助开发团队加快了专门为解决压铸厂的缺陷检测需求而设计的算法的创建速度。

JWIPC 物联网业务部总经理 Disco Liu 表示：“在这么多不同的工业应用场景和要求下，制造商需要大量的数据和时间来训练算法。我们的套件提供了基本功能，可帮助您在更短的时间内轻松开发和部署机器视觉解决方案。”

通过容器化，智能制造套件可以为不同类型的工厂和使用案例集成视觉软件应用程序。这降低了完成数据存储、数据分析以及与公共云或制造执行系统对接的复杂性。

JWIPC 产品提供了完整的堆栈，其中包括工业网关以及可选的摄像头和传感器，开箱即用，可以开发有效的 PoC 或生产就绪解决方案。而且，由于许多机器视觉应用程序在 Ubuntu 操作系统上运行，因此该操作系统已集成到套件中。

这使系统集成商可以使用 Docker 来移植其应用程序，进一步加快开发周期。Docker 还与其他操作系统兼容，从而减少了对其他编码的需求。包括上述功能在内的诸多功能（如图 2 所示）已整合到套件中。

优化系统

在提高计算机视觉解决方案性能的同时还要降低成本，就需要集成多种功能。其中包括视频捕获和处理、工业通信和控制、数据分析、数据存储以及云上传。如果在多个设备上执行此类过程，该解决方案便会导致成本增加和延迟，进而造成实时性能下降。为了避免这些问题，JWIPC 支持在高性能英特尔^® 至强^® 或英特尔^® 酷睿^™ 处理器上运行多个工作负载。这些选项可以降低成本，确保实时性能，以及减少维护工作量。

整个制造业对工业机器视觉解决方案的需求预计将会增长。然而，许多工程师和系统集成商缺乏开发 PoC 所需的时间和专业知识，更不用说全面的端到端解决方案了。这可能意味着错过了参与工业物联网市场扩展的机会。

但是，随着像 JWIPC 这样的公司通过开发机器视觉平台来简化诸如自动缺陷检测之类的解决方案的开发过程，进入市场的壁垒是可以克服的。通过减少将机器学习融入工厂所需的时间和精力，系统集成商可以使这些类型的项目更容易、更可预测且更有利可图。

在制造业中，机器视觉检查系统使用亚像素感知来实时识别产品缺陷，从而使其可以每分钟检查数百个项目。与人工检查员相比，这项技术减少了缺陷，提高了产量，并允许生产自动化系统高速运行。

对于系统集成商而言，机器视觉革命代表了巨大的机遇。但是，快速构建差异化解决方案是一项重大挑战，因为系统是如此复杂。作为一个基准，它需要：

• 照明 — 照亮被检查的物体
• 透镜 — 用于拍摄最高质量的图像
• 高分辨率图像传感器 — 数字化所拍摄的图像
• 视觉处理器 — 使用复杂的算法分析数字化图像
• 通信 — 将结果中继到 PLC、分析平台等系统

采购和集成这些组件是一项时间和资源密集型任务，无需考虑包装、外壳等。此外，许多机器视觉系统必须与旧式工厂设备集成，合并新的企业物联网功能，并采用人工智能 (AI) 来提高效率。

智能摄像机构建模块

系统集成商需要能够加快机器视觉系统设计的解决方案，但仍然允许他们通过应用软件来实现差异化并增加价值。

例如，深圳未来机器人技术有限公司的 RVS-2100 智能摄像机解决方案以紧凑、坚固的包装提供了现代 120-fps 机器视觉解决方案的所有关键组件（图 1）。该解决方案以现成开发工具包的形式提供，使系统集成商可以在基准技术之上进行创新。

具体来说，该工具包包括：

• IP67 防护等级的外壳，可部署在恶劣的环境中
• 脉冲宽度调制 (PWM) 光学控件可实现细粒度照明
• 高分辨率光学镜头
• MIPI 全局快门图像传感器，分辨率为 1 百万像素
• 四核英特尔凌动^® 处理器，具有 2M 高速图像处理缓存
• 集成 FPGA 支持特定于应用程序的 I/O 以及图像预处理和后处理
• 通过坚固的 M12 连接器进行 RS-232、USB、UART、DisplayPort 和千兆以太网通信

尤其是，FPGA 提供的广泛 I/O 支持和接口灵活性使系统集成商可以快速定义特定用例的独特实施。例如，可以在智能摄像机与人机界面 (HMI) 或可编程逻辑控制器 (PLC) 之间建立通信和控制。千兆以太网接口甚至可以支持用于多角度安装的附加高吞吐量从属摄像机（图 2）。

软件方面的机器视觉

在软件方面，智能摄像机解决方案提供了在集成商选择的环境中开发应用的灵活性。对于入门级使用者而言，该款摄像机与 Windows 10 和 Linux 兼容，并支持各种开放 API，这些 API 可以与 Google Cloud、阿里云和各种其他平台和服务集成。

在应用支持方面，可以在单独的 PC 上设计用 Halcon、LabVIEW 或英特尔^® OpenVINO^™ 编程范例开发的软件，然后无缝移植到 RVS-2100 平台。这种灵活性是关键，不仅因为它使用了领域专家熟悉的可视化编程模型，而且还因为它提供了通往启用人工智能的图像识别和物体检测的途径。

OpenVINO 工具包是一款开发工具，可针对多个英特尔^® 处理平台优化在 Caffe 和 TensorFlow 等框架中内置的计算机视觉算法。使用 OpenCV 和 OpenVX API 等一系列库，可以在诸如英特尔凌动之类的平台上加速图像处理算法（图 3）。

所有这些软件功能都包装在 RVS-2100 智能摄像机套件随附的演示 SDK 中，该 SDK 可帮助系统集成商加快条形码等机器视觉应用的开发。

用例：条形码读取速度更快

未来机器人公司表示，中国 80% 的制造厂都使用条形码扫描。但是，不同的工厂使用针对其操作的不同条形码方案。当然，来自一个工厂的物品和材料会在整个供应链中的其他工厂和仓库中进进出出。

要将来料集成到新的工厂环境中，必须对原始条形码进行扫描，并将其与当前工厂中的相应条形码进行匹配。然后打印新的条形码，应用于该物料，然后进行验证。原本这些工作都要人工处理，非常耗时且容易出错。

为了扩大运营规模，制造商现在使用企业资源规划 (ERP) 系统，可容纳充满外部条形码的数据库。借助能够交叉引用这些 ERP 系统的快速、准确的读取器，扫描、打印和验证新条形码的过程几乎可以完全自动化。

RVS-2100 具有体积小、功耗低、精度高和兼容本地云平台等优点，是这些应用的理想即插即用解决方案。

未来机器人公司发现，在这些用例中，摄像机可以将人力资源需求减少多达 70%。借助以太网连接、扩展的 I/O 和灵活的软件 API，系统集成商能够以最少的时间和开发工作将它们部署到现有安装中。

超越条形码

条形码扫描的智能管理是机器视觉在智能工厂和仓库中变得越来越普遍的众多方式之一。借助 RVS-2100 智能摄像机套件等多功能、低功耗、高性能的平台，系统集成商可以将机器视觉快速构建到从视频监控到协作机器人的各种应用中。

有了所有可自行支配的基本机器视觉构建模块，这些集成商就可以将其资源集中在差异化的软件上，进而在竞争激烈的领域中脱颖而出。