CN110703670A - 一种机器视觉智能传感器 - Google Patents
一种机器视觉智能传感器 Download PDFInfo
- Publication number
- CN110703670A CN110703670A CN201911119484.0A CN201911119484A CN110703670A CN 110703670 A CN110703670 A CN 110703670A CN 201911119484 A CN201911119484 A CN 201911119484A CN 110703670 A CN110703670 A CN 110703670A
- Authority
- CN
- China
- Prior art keywords
- module
- coprocessor
- sensor
- main processor
- machine vision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Studio Devices (AREA)
Abstract
本发明是一种机器视觉智能传感器,包括传感器壳体和摄像头,摄像头安装在传感器壳体顶部一侧,传感器壳体内设有控制模块,控制模块包括主处理器模块、协处理器模块、图像传感器模块、POE模块和IO模块,本发明的架构及设计带来网络边缘端高效的计算能力和图像处理能力,降低数据中心服务器越来越重的计算压力,同时也让边缘端实现实时复杂图像处理成为可能;本发明模块化设计便于维修,且维修使不易损坏其它电器元件;IO模块向协处理器模块提供DC12‑36V电压,实现宽压供电;实现外部电源和千兆以太网均可给主处理器模块和协处理器模块供电,保证本发明稳定工作。此外,本发明内部连接实现无缆连接,工作性能更加稳定。
Description
技术领域
本发明涉及传感器技术领域,尤其涉及一种机器视觉智能传感器。
背景技术
机器视觉智能传感器是一种在网络边缘端实现实时图像处理和深度学习推理的传感器。它是一款将计算机技术与传感器技术深度融合的典型产品,主要应用于工业、交通、教育、安防、零售等领域。工业应用场景包括:缺陷检测、分类、统计以及辅助机器人完成抓取搬运、移动等应用。交通应用场景包括:车辆违章识别、驾驶员及行人行为识别、路口流量分析等。教育应用场景包括:智能监考、教学科研等。安防应用场景包括:人脸识别、危险行为识别等。零售应用场景包括:超市智能盘点、智慧收银等。
目前市场上绝大多数视觉传感器仅完成简单图像处理或者图像生成任务,要完成复杂的图像处理算法如深度学习推理则需要交由带处理器的USB主机或者网络端主机完成。这种应用模式不仅会带来主机端的负载压力,同时由于网络传输带来的延时会大大降低图像处理的实时性。此外,现有的视觉传感器整体式结构不便于维修,维修费时费力,且维修时容易损坏其它电器元件。
发明内容
本发明旨在解决现有技术的不足,而提供一种机器视觉智能传感器。
本发明为实现上述目的,采用以下技术方案:一种机器视觉智能传感器,包括传感器壳体和摄像头,其特征在于,摄像头安装在传感器壳体顶部一侧,传感器壳体内设有控制模块,控制模块包括主处理器模块、协处理器模块、图像传感器模块、POE模块和IO模块,图像传感器模块与摄像头电连接,图像传感器模块与协处理器模块电连接,协处理器模块与主处理器模块电连接,IO模块与协处理器模块电连接,IO模块通过千兆以太网与POE模块连接,主处理器模块和协处理器模块均与POE模块电连接,POE模块用于给主处理器模块和协处理器模块提供电能,外部电源DC12-36V的电源通过IO模块给协处理器模块供电,协处理器模块给主处理器模块提供DC5V的电能。
主处理器模块和协处理器模块之间设有散热板。
IO模块与协处理器模块通过GPIO口、UART口和CAN口连接传输数据。
摄像头为安森美PYTHON5000摄像头。
协处理器模块给图像传感器模块提供DC1.8V的电能。
主处理器模块和协处理器模块通过PCI总线和SPI总线双向传输数据。
传感器壳体顶面设有若干散热凹槽,传感器壳体底面设有若干散热翅片。
本发明的有益效果是:本发明的架构及设计带来网络边缘端高效的计算能力和图像处理能力,降低数据中心服务器越来越重的计算压力,同时也让边缘端实现实时复杂图像处理成为可能;本发明模块化设计便于维修,且维修使不易损坏其它电器元件;IO模块向协处理器模块提供DC12-36V电压,实现宽压供电;实现外部电源和千兆以太网均可给主处理器模块和协处理器模块供电,保证本发明稳定工作。此外,本发明内部连接实现无缆连接,工作性能更加稳定。
附图说明
图1为本发明的结构示意图;
图2为本发明结构的爆炸示意图;
图3为本发明控制模块的连接关系图;
图4为主处理器模块的原理框图;
图5为协处理器模块的原理框图;
图中:1-传感器壳体;2-摄像头;3-主处理器模块;4-协处理器模块;5-图像传感器模块;6-POE模块;7-IO模块;8-散热板;
以下将结合本发明的实施例参照附图进行详细叙述。
具体实施方式
下面结合附图和实施例对本发明作进一步说明:
如图1-5所示,一种机器视觉智能传感器,包括传感器壳体1和摄像头2,其特征在于,摄像头2安装在传感器壳体1顶部一侧,传感器壳体1内设有控制模块,控制模块包括主处理器模块3、协处理器模块4、图像传感器模块5、POE模块6和IO模块7,图像传感器模块5与摄像头2电连接,图像传感器模块5与协处理器模块4电连接,协处理器模块4与主处理器模块3电连接,IO模块7与协处理器模块4电连接,IO模块7通过千兆以太网与POE模块6连接,主处理器模块3和协处理器模块4均与POE模块6电连接,POE模块6用于给主处理器模块3和协处理器模块4提供电能,外部电源DC12-36V的电源通过IO模块7给协处理器模块4供电,协处理器模块4给主处理器模块3提供DC5V的电能。
主处理器模块3和协处理器模块4之间设有散热板8。
IO模块7与协处理器模块4通过GPIO口、UART口和CAN口连接传输数据。
摄像头2为安森美PYTHON5000摄像头。
协处理器模块4给图像传感器模块5提供DC1.8V的电能。
主处理器模块3和协处理器模块4通过PCI总线和SPI总线双向传输数据。
传感器壳体1顶面设有若干散热凹槽,传感器壳体1底面设有若干散热翅片。
本发明采用多模块堆叠设计,各模块采用无缆连接的设计,散热形式为自然导冷。主处理器模块3主要提供软件运行的基本环境,是所有软件运行的平台。协处理器模块4主要完成输入电源转换、图像预处理、深度神经网络加速以及实现工业现场总线及IO控制功能。图像传感器模块5主要实现成像功能。POE模块6实现POE+供电功能。IO模块7实现外部接口与内部模块的连接。具体连接示意关系如图3所示。
主处理器模块3采用Intel Apollo Lake E3950作为核心处理器,该处理器为4核64位处理器,支持主频1.6Ghz,集成GPU,具备丰富的接口以及多达6个lane的PCIe,支持最高8G DDR3内存,TDP最高12W。主处理器模块3模块集成64GB板载SATA硬盘以及4GB板载内存,并预留一路Type-C和MiniHDMI接口用于制作操作系统和调试。采用E3950的一路PCIex1接口扩展Intel I210网卡,实现一路千兆网。将E3950的另一路PCIe x1实现MiniPCIe接口,用于扩展神经网络加速器VPU。将E3950的剩余的PCIe x4全部预留至与协处理器互联的板对板连接器,用于与协处理器上FPGA进行通信。另外主处理器模块模块还支持BIOS配置FPGA功能。主处理器模块3模块原理框图如图4所示。
协处理器模块4采用Intel CycloneV GT系列FPGA作为核心处理器,该处理器自带PCIe硬核IP,具备丰富的IO及逻辑资源,并支持OpenCL编程。协处理器模块4采用FPGA中硬核PCIe作为与主处理器模块3的通信通道,并在FPGA中采用VerilogHDL语言实现与图像处理器模块的LVDS图像数据通道,以及与外部控制节点通讯的CAN、UART、IO接口。其中UART支持RS232及RS485协议。协处理器模块4与外部设备的通信均采用隔离方式来保护本发明。采用数字隔离电源方案实现CAN和UART的接口隔离,采用光耦隔离方案实现数字IO接口的隔离。直流入口电源支持12-36V宽压输入,并支持直流电源与POE电源的自动选择,默认选择直流电源输入。协处理器模块4原理框图如图5所示。
图像处理器模块5采用CMOS传感器作为核心器件,默认参数为500万像素,像元尺寸4.8um,全局快门,帧率最高可达100FPS,支持8个最高速率720Mbps的LVDS图像数据通道,动态范围60db,信噪比40db。
POE模块6采用功率变压器实现符合IEEE 802.at标准的POE+协议,最高可提供30W的供电。该设计可简化在分布式应用中的电源布线,满足供电的同时提供千兆网数据传输。POE模块6为可选模块,插入该模块则可实现通过千兆以太网供电,不插入该模块则千兆以太网为仅作为通信接口。
IO模块7主要采用3个12芯M12连接器提供本发明对外的物理接口,并采用两个20芯的板对板连接器提供本发明对外的数据通道。
传感器壳体1采用密闭防水设计,材料为铝合金,其导热性能好,重量轻。
传感器壳体1采用铝合金5A05轻质材料。传感器壳体1内部散热板8采用紫铜,增加器件散热面积,加速散热。
传感器壳体1之间采用密封条及螺钉压合实现密闭防水,M12连接器也选择防水等级为IP67的连接器。传感器壳体1紧固螺钉采用不锈钢1Cr18Ni9Ti材料。
传感器壳体1上下、前后4面均可拆卸(从M12连接器处看),便于安装调试和维护。
本发明工作时,图像传感器模块6通过摄像头2采集图形数据,将信息传递给协处理器模块4对信息进行预处理,再将预处理后的信息传递给主处理器模块3处理,在边缘端完成信息的处理,减小了网络带宽消耗,也极大得降低了服务器端压力。
如在工业应用中,部署在流水线上用于识别分类的相机采集的图片需经由网络传输给图像处理主机,主机完成算法识别后,再将信息由现场总线传递给工业机器人完成抓取分拣,这个过程由于网络传输带来的不确定性延时,会降低流水线效率,并容易造成系统震荡。本发明由于实时采集图像数据,并集成了图像处理算法和工业控制现场总线,因此可由本发明实时引导机器人完成抓取分拣。又如在交通应用中,一个城市成千上万个交通违章摄像头每天拍摄的大量照片回传到交管中心,先由机器系统判别,再由人工进行复检,这个过程不仅占用了大量的网络带宽,也加剧了交管中心服务器的存储和计算的压力,同时也会带来大量人工复检的工作。而采用本发明的技术方案,由于将计算和存储的压力分散到各个传感器,在边缘端已经完成了违章行为识别,传递回交管中心的只是带有判别信息的违章数据,在保证数据准确性的同时,大大减小了网络带宽消耗,也极大得降低了服务器端压力。另外在交通灯的控制应用中,使用本发明方案,实时根据本发明中的流量分析算法,由本发明来自动控制交通灯的切换频率,即降低人工控制局限性带来的矛盾,也大大提高了控制的实时性。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种改进,或未经改进直接应用于其它场合的,均在本发明的保护范围之内。
Claims (6)
1.一种机器视觉智能传感器,包括传感器壳体(1)和摄像头(2),其特征在于,摄像头(2)安装在传感器壳体(1)顶部一侧,传感器壳体(1)内设有控制模块,控制模块包括主处理器模块(3)、协处理器模块(4)、图像传感器模块(5)、POE模块(6)和IO模块(7),图像传感器模块(5)与摄像头(2)电连接,图像传感器模块(5)与协处理器模块(4)电连接,协处理器模块(4)与主处理器模块(3)电连接,IO模块(7)与协处理器模块(4)电连接,IO模块(7)通过千兆以太网与POE模块(6)连接,主处理器模块(3)和协处理器模块(4)均与POE模块(6)电连接,POE模块(6)用于给主处理器模块(3)和协处理器模块(4)提供电能,外部电源DC12-36V的电源通过IO模块(7)给协处理器模块(4)供电,协处理器模块(4)给主处理器模块(3)提供DC5V的电能。
2.根据权利要求1所述的一种机器视觉智能传感器,其特征在于,主处理器模块(3)和协处理器模块(4)之间设有散热板(8)。
3.根据权利要求1所述的一种机器视觉智能传感器,其特征在于,IO模块(7)与协处理器模块(4)通过GPIO口、UART口和CAN口连接传输数据。
4.根据权利要求1所述的一种机器视觉智能传感器,其特征在于,协处理器模块(4)给图像传感器模块(5)提供DC1.8V的电能。
5.根据权利要求1所述的一种机器视觉智能传感器,其特征在于,主处理器模块(3)和协处理器模块(4)通过PCI总线和SPI总线双向传输数据。
6.根据权利要求1所述的一种机器视觉智能传感器,其特征在于,传感器壳体(1)顶面设有若干散热凹槽,传感器壳体(1)底面设有若干散热翅片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911119484.0A CN110703670A (zh) | 2019-11-15 | 2019-11-15 | 一种机器视觉智能传感器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911119484.0A CN110703670A (zh) | 2019-11-15 | 2019-11-15 | 一种机器视觉智能传感器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110703670A true CN110703670A (zh) | 2020-01-17 |
Family
ID=69206208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911119484.0A Pending CN110703670A (zh) | 2019-11-15 | 2019-11-15 | 一种机器视觉智能传感器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110703670A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112532846A (zh) * | 2020-12-02 | 2021-03-19 | 长春光华学院 | 一种机器视觉传感器 |
-
2019
- 2019-11-15 CN CN201911119484.0A patent/CN110703670A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112532846A (zh) * | 2020-12-02 | 2021-03-19 | 长春光华学院 | 一种机器视觉传感器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Edge intelligence empowered vehicle detection and image segmentation for autonomous vehicles | |
CN108833833B (zh) | 面向智能网联汽车场景图像数据感知与协同处理系统 | |
CN100447820C (zh) | 基于立体视觉的公交客流统计方法及其系统 | |
CN110769257A (zh) | 智能视频结构化分析装置、方法和系统 | |
CN103379266A (zh) | 一种具有视频语义分析功能的高清网络摄像机 | |
Takagi et al. | A sub-100-milliwatt dual-core HOG accelerator VLSI for real-time multiple object detection | |
CN102982341A (zh) | 一种可跨摄像机的自适应人群密度估计方法 | |
CN111159093B (zh) | 异构智能计算系统 | |
CN205726177U (zh) | 一种基于卷积神经网络芯片的安防监控系统 | |
CN102055894A (zh) | 一种模块化ccd工业相机 | |
CN110674918A (zh) | 信息处理方法、设备、系统及存储介质 | |
CN103150575A (zh) | 一种实时三维无标记人体姿态识别方法及系统 | |
CN111008994A (zh) | 基于MPSoC的运动目标实时检测跟踪系统及方法 | |
CN109557997A (zh) | 一种基于人工智能的自动驾驶高可靠性车载计算装置、系统和方法 | |
CN113870160A (zh) | 一种基于变换器神经网络的点云数据处理方法 | |
CN110703670A (zh) | 一种机器视觉智能传感器 | |
CN110415267A (zh) | 一种低功耗在线热红外目标识别装置及工作方法 | |
CN111753671A (zh) | 一种现实场景的人群计数方法 | |
CN207968682U (zh) | 基于fpga的红外图像处理系统 | |
CN211606626U (zh) | 一种基于边缘计算的智能视频图像处理设备 | |
CN210691083U (zh) | 一种机器视觉智能传感器 | |
Jung et al. | Real-time estimation of 3D scene geometry from a single image | |
CN107895365B (zh) | 一种输电通道外破防护的图像匹配方法及监测系统 | |
CN215186950U (zh) | 一种基于人脸识别技术的行人闯红灯行为证据采集装置 | |
Paissan et al. | People/car classification using an ultra-low-power smart vision sensor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |