嵌入式培训方式_嵌入式视觉正处在新生的阶段

小嵌

嵌入式培训方式_嵌入式视觉正处在新生的阶段,   

众所周知，嵌入式视觉不是一个新概念;它只是定义了一个系统，其中包括一个视觉设置，在没有外部计算机的情况下控制和处理数据。它已广泛应用于工业质量控制，最为人熟悉的例子比如“智能相机”。近年源于消费类市场经济适用硬件器件的开发，相较于以往使用电脑的方案，这些器件大幅度减小了材料清单（BOM）成本和产品体积。举个例子，小型系统集成商或OEM现在能够小批量采购诸如NVIDIA Jetson的单板机或模块系统;而较大型的OEM则可以直接获得如高通骁龙（Qualcomm Snapdragon）或英特尔（Intel）Movidius Myriad 2 等图像信号处理器。在软件级方面， 市面软件库能够加快专用视觉系统的开发速度，减小配置难度， 即便是针对小批量生产。

第二个推动嵌入式视觉系统发展的变化是机器学习的出现，它使实验室中的神经网络能够接受培训，然后直接上传到处理器中，以便它能够自动识别特征，并实时做出决定。

能够提供适用于嵌入式视觉系统的解决方案，对于面向这些高增长应用的成像企业来说至关重要。图像传感器由于能够直接影响嵌入式视觉系统的效能和设计，因而在大规模引进中有重要角色，而它的主要推动因素可概括为：更小尺寸、重量、功耗和成本，英语简称为“SWaP-C”（decreasing Size, Weight, Power and Cost）。

1. 降低成本至关重要

嵌入式视觉新应用的加速推动器是满足市场需求的价格，而视觉系统成本正是实现这要求的一个主要制肘。

1.1 节省光学成本

减小视觉模块成本的第一个途径是缩小产品尺寸，原因有两个：首先是图像传感器的像素尺寸愈小，晶圆便可以制造更多的芯片;另一方面传感器可以使用更小更低成本的光学组件，二者都能够降低固有成本。例如Teledyne e2v的Emerald 5M传感器把像素尺寸减小至2.8