CN213461906U - 一种ai可视化视觉传感器 - Google Patents
一种ai可视化视觉传感器 Download PDFInfo
- Publication number
- CN213461906U CN213461906U CN202022116066.0U CN202022116066U CN213461906U CN 213461906 U CN213461906 U CN 213461906U CN 202022116066 U CN202022116066 U CN 202022116066U CN 213461906 U CN213461906 U CN 213461906U
- Authority
- CN
- China
- Prior art keywords
- housing
- display unit
- processor unit
- cmos chip
- module
- 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.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 28
- 238000004891 communication Methods 0.000 claims abstract description 16
- 230000008054 signal transmission Effects 0.000 claims description 22
- 238000009434 installation Methods 0.000 abstract description 10
- 238000000034 method Methods 0.000 abstract description 9
- 238000013136 deep learning model Methods 0.000 abstract description 5
- 239000008358 core component Substances 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 3
- 238000012549 training Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000000306 component Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 206010070834 Sensitisation Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008313 sensitization Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本实用新型实施例公开了一种AI可视化视觉传感器。其包括AI传感器模块和IO控制模块。AI传感器模块包括工业镜头、CMOS芯片、处理器单元和第一显示单元；工业镜头与CMOS芯片相连接；CMOS芯片和第一显示单元与处理器单元相连接；IO控制模块与处理器单元通信连接。通过将AI传感器模块部分将核心部件集中在一起，体积只有手掌大小，实现了模块化，极大方便了安装，同时也可以更换工业镜头，大大降低成本；IO模块单独可以单独设置，也是模块化的设计，可以实现客户需求的多种通讯方式。从而可以用于解决深度学习模型收集样品和训练模板的困难问题，降低了调试人员的技术门槛；解决了需要大型的计算机硬件，体积大不方便安装的问题，也大大节约了硬件成本。
Description
技术领域
本实用新型涉及视觉传感器相关技术领域，具体地说是涉及一种AI可视化视觉传感器。
背景技术
在如今的互联网时代，数据量的累积是爆炸式的，越来越多的领域正持续积累着日趋丰富的应用数据，这对深度学习的进一步发展和应用至关重要。不过大数据收集是有成本的，并且标注成本已经开始水涨船高，样本的好坏直接决定了模型的精确度，所以只有拥有一定技术实力的公司才能持续投入研究。
其次，高性能硬件平台计算是引擎助力。深度学习模型需要大量的样本，这就避免不了大量的计算，而以前的硬件设备不足以训练出复杂的上百层的深度学习模型。2011年谷歌DeepMind用了1000台机器、16000个CPU处理的深度模型大概有10亿个神经元，而现在，只要用几个GPU，我们就可以完成同样的计算，并且迭代速度更快。因此，GPU、超级计算机、云计算等高性能硬件平台的迅猛发展让深度学习成为可能，计算机科学技术的进步，强大的计算能力有助于深度学习算法快速实现验证，并积累更多经验进行模型修正，进一步提高模型精度。
但现有的深度学习的视觉传感器存在体积大不方便安装、硬件成本高等问题。
实用新型内容
针对现有技术之不足，本实用新型提供了一种AI可视化视觉传感器。
所述AI可视化视觉传感器可以包括AI传感器模块和IO控制模块。
其中，所述AI传感器模块包括工业镜头、CMOS芯片、处理器单元和第一显示单元；其中，所述工业镜头与所述CMOS芯片相连接；所述CMOS芯片和所述第一显示单元与所述处理器单元相连接；
其中，所述IO控制模块与所述处理器单元通信连接。
根据本实用新型的一个优选实施方式，所述AI传感器模块还包括第一壳体；所述CMOS芯片和所述处理器单元设置在所述第一壳体内；所述工业镜头和所述第一显示单元设置在所述第一壳体上。
根据本实用新型的一个优选实施方式，在所述第一壳体上设置有镜头接口和显示屏安装口；所述工业镜头可拆卸地连接在所述镜头接口上；所述第一显示单元安装在所述显示屏安装口上。
根据本实用新型的一个优选实施方式，在所述第一壳体上还设置有与所述处理器单元相连接的第一信号传输接口。
根据本实用新型的一个优选实施方式，在所述第一壳体上还设置有第一安装结构。
根据本实用新型的一个优选实施方式，所述IO控制模块包括第二显示单元；所述第二显示单元与所述处理器单元通信连接。
根据本实用新型的一个优选实施方式，所述IO控制模块还包括第二壳体；所述第二显示单元安装在所述第二壳体上；并且，在所述第二壳体上还设置有与所述第二显示单元相连接的第二信号传输接口；所述第一信号传输接口与所述第二信号传输接口通过232通讯线缆通信连接。
根据本实用新型的一个优选实施方式，在所述第二壳体上还设置有与所述第二信号传输接口相连接的外接信号端子台。
根据本实用新型的一个优选实施方式，在所述第二壳体上还设置有第二安装结构。
与现有技术相比，本实用新型实施例的AI可视化视觉传感器具有如下有益效果：
本实用新型实施例的AI可视化视觉传感器通过CMOS芯片结合工业镜头实现相机取像并将图像信号传送给处理器单元，第一显示单元实时显示拍到的图片以及数据处理的结果，并将结果通过232通讯线缆传送给IO模块，IO模块中的第二显示单元上可以实时显示接收到的信号点，外接信号端子台上可以将判断结果信号发送给第三方执行机构。
采用上述结构的优点在于：AI传感器模块部分将核心部件集中在一起，体积只有手掌大小，实现了模块化，极大方便安装，同时也可以方便更换不同类型的工业镜头实现检测大小不同的产品，成本也得到了大大的降低；通过232线缆和IO模块连接，IO模块单独可以单独设置，也是模块化的设计，可以实现客户需求的多种通讯方式。
因此，本实用新型实施例的AI可视化视觉传感器可以用于解决深度学习模型收集样品和训练模板的困难问题，降低了调试人员的技术门槛；解决了需要大型的计算机硬件，体积大不方便安装的问题，也大大节约了硬件成本。
本实用新型的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的检查或者对实施例的生产或操作的了解，本实用新型的一部分附加特性对于本领域技术人员是明显的。本实用新型披露的特性可以通过对以下描述的具体实施例的各种方法、手段和组合的实践或使用得以实现和达到。
附图说明
在此所述的附图用来提供对本实用新型的进一步理解，构成本实用新型的一部分，本实用新型的示意性实施例及其说明用于解释本实用新型，并不构成对本实用新型的限定。在各图中，相同标号表示相同部件。其中，
图1、图2是根据本实用新型的一些实施例所示的AI可视化视觉传感器中AI传感器模块的结构示意图；
图3是根据本实用新型的一些实施例所示的AI可视化视觉传感器中IO控制模块的结构示意图；
图4是根据本实用新型的一些实施例所示的AI可视化视觉传感器的结构框图。
附图标记列表
100-AI传感器模块
110-工业镜头
120-CMOS芯片
130-处理器单元
140-第一显示单元
150-第一壳体
151-镜头接口
152-显示屏安装口
160-第一信号传输接口
170-第一安装结构
200-IO控制模块
210-第二显示单元
220-第二壳体
230-第二信号传输接口
240-外接信号端子台
250-第二安装结构
300-232通讯线缆
具体实施方式
为了使本技术领域的人员更好地理解本实用新型方案，下面将结合本实用新型实施例中的附图，对本实用新型实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本实用新型一部分的实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本实用新型保护的范围。
需要说明的是，如果本实用新型的说明书和权利要求书及上述附图中涉及到术语“第一”、“第二”等，其是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本实用新型的实施例。此外，如果涉及到术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实用新型中，如果涉及到术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等，其指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本实用新型及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。
并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本实用新型中的具体含义。
此外，在本实用新型中，如果涉及到术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”等应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本实用新型中的具体含义。
需要说明的是，在不冲突的情况下，本实用新型中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本实用新型。
本实用新型实施例公开了一种AI可视化视觉传感器。
如图1至图4所示，该AI可视化视觉传感器可以包括AI传感器模块100和IO控制模块200。
其中，如图1、图2所示，AI传感器模块100包括工业镜头110、CMOS芯片120、处理器单元130和第一显示单元140。工业镜头110与CMOS芯片120相连接。CMOS芯片120和第一显示单元140与处理器单元130相连接。示例性的，处理器单元130可以采用现有的AI处理器。
进一步的，如图2、图3所示，该AI传感器模块100还可以包括第一壳体150。CMOS芯片120和处理器单元130设置在第一壳体150内。工业镜头110和第一显示单元140设置在第一壳体150上。具体的，在第一壳体150上设置有镜头接口151，工业镜头110可拆卸地连接在镜头接口151上。示例性的，镜头接口151可以采用C口镜头安装结构，工业镜头110可以采用多个不同焦距的多款C口镜头。安装时，可以根据需要选择一款C口镜头直接按标准接口拧紧即可，从而方便实现大小不同的产品都能够检测。在第一壳体150上设置有镜头接口151和显示屏安装口152。第一显示单元140安装在显示屏安装口152上。示例性的，第一显示单元140可以采用现有的显示屏幕。
进一步的，在第一壳体150上还设置有第一安装结构170。通过第一安装结构170可以将AI传感器模块100固定在生产设备的机构上。示例性的，第一安装结构170可以采用螺纹安装连接结构，例如螺纹孔和安装螺栓等。示例性的，第一安装结构170也可以采用卡合安装连接结构。
其中，IO控制模块200与处理器单元130通信连接。
示例性的，如图3所示，IO控制模块200包括第二显示单元210。进一步的，IO控制模块200还包括第二壳体220。
第二显示单元210安装在第二壳体220上，并且第二显示单元210与处理器单元130通信连接。具体的，在第一壳体150上还设置有与处理器单元130相连接的第一信号传输接口160。在第二壳体220上还设置有与第二显示单元210相连接的第二信号传输接口230。第一信号传输接口160与第二信号传输接口230通过232通讯线缆300通信连接，从而使得第二显示单元210与处理器单元130通信连接。示例性的，第二显示单元210可以采用现有的显示屏幕。
进一步的，在第二壳体220上还设置有第二安装结构250。通过第二安装结构250可以将IO控制模块200固定在生产设备的机构上。示例性的，第二安装结构250可以采用螺纹安装连接结构，例如螺纹孔和安装螺栓等。示例性的，第二安装结构250也可以采用卡合安装连接结构。
进一步的，在第二壳体220上还设置有与第二信号传输接口230相连接的外接信号端子台240。在外接信号端子台240上可以接出AI传感器的检测信号给到第三方的执行机构进行处理。
本实用新型实施例的AI可视化视觉传感器通过CMOS芯片结合工业镜头实现相机取像并将图像信号传送给处理器单元，第一显示单元实时显示拍到的图片以及数据处理的结果，并将结果通过232通讯线缆传送给IO模块，IO模块中的第二显示单元上可以实时显示接收到的信号点，外接信号端子台上可以将判断结果信号发送给第三方执行机构。
具体的，本实用新型实施例的AI可视化视觉传感器通过工业镜头110采集图像，CMOS芯片120为取像的感光电子原件，通过CMOS芯片120实现工业镜头110的光线在此芯片上成像，并转化为数字信号发送给130处理，同时发送给第一显示单元140进行图像的实时显示，以方便用户查看。检测的结果等交互信号可以通过第一信号传输接口160传出，通过连接的232信号线传输给IO控制模块中的第二信号传输接口230，同时可以在第二显示单元210上看到传输的信号情况，也可以在第二显示单元210上进行传输信号点位的选择。在外接信号端子台240上可以接出AI传感器的检测信号给到第三方的执行机构进行处理。
另外，AI传感器模块100和IO控制模块200两部分分别可以通过第一壳体150和第二壳体220上的第一安装结构170和第二安装结构250固定在生产设备的机构上，方便其进行安装。
本实用新型实施例的AI可视化视觉传感器可以带来的有益效果包括但不限于以下内容：
本实用新型实施例的AI可视化视觉传感器通过CMOS芯片结合工业镜头实现相机取像并将图像信号传送给处理器单元，第一显示单元实时显示拍到的图片以及数据处理的结果，并将结果通过232通讯线缆传送给IO模块，IO模块中的第二显示单元上可以实时显示接收到的信号点，外接信号端子台上可以将判断结果信号发送给第三方执行机构。
采用上述结构的优点在于：AI传感器模块部分将核心部件集中在一起，体积只有手掌大小，实现了模块化，极大方便安装，同时也可以方便更换不同类型的工业镜头实现检测大小不同的产品，成本也得到了大大的降低；通过232线缆和IO模块连接，IO模块单独可以单独设置，也是模块化的设计，可以实现客户需求的多种通讯方式。
因此，本实用新型实施例的AI可视化视觉传感器可以用于解决深度学习模型收集样品和训练模板的困难问题，降低了调试人员的技术门槛；解决了需要大型的计算机硬件，体积大不方便安装的问题，也大大节约了硬件成本。
需要注意的是，本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
另外，上述具体实施例是示例性的，本领域技术人员可以在本实用新型公开内容的启发下想出各种解决方案，而这些解决方案也都属于本实用新型的公开范围并落入本实用新型的保护范围之内。本领域技术人员应该明白，本实用新型说明书及其附图均为说明性而并非构成对权利要求的限制。本实用新型的保护范围由权利要求及其等同物限定。
Claims (9)
1.一种AI可视化视觉传感器，其特征在于，所述AI可视化视觉传感器包括：
AI传感器模块(100)，所述AI传感器模块(100)包括工业镜头(110)、CMOS芯片(120)、处理器单元(130)和第一显示单元(140)；其中，所述工业镜头(110)与所述CMOS芯片(120)相连接；所述CMOS芯片(120)和所述第一显示单元(140)与所述处理器单元(130)相连接；
以及
IO控制模块(200)，所述IO控制模块(200)与所述处理器单元(130)通信连接。
2.根据权利要求1所述的AI可视化视觉传感器，其特征在于，所述AI传感器模块(100)还包括第一壳体(150)；
所述CMOS芯片(120)和所述处理器单元(130)设置在所述第一壳体(150)内；
所述工业镜头(110)和所述第一显示单元(140)设置在所述第一壳体(150)上。
3.根据权利要求2所述的AI可视化视觉传感器，其特征在于，在所述第一壳体(150)上设置有镜头接口(151)和显示屏安装口(152)；
所述工业镜头(110)可拆卸地连接在所述镜头接口(151)上；
所述第一显示单元(140)安装在所述显示屏安装口(152)上。
4.根据权利要求2所述的AI可视化视觉传感器，其特征在于，在所述第一壳体(150)上还设置有与所述处理器单元(130)相连接的第一信号传输接口(160)。
5.根据权利要求2所述的AI可视化视觉传感器，其特征在于，在所述第一壳体(150)上还设置有第一安装结构(170)。
6.根据权利要求4所述的AI可视化视觉传感器，其特征在于，所述IO控制模块(200)包括第二显示单元(210)；
所述第二显示单元(210)与所述处理器单元(130)通信连接。
7.根据权利要求6所述的AI可视化视觉传感器，其特征在于，所述IO控制模块(200)还包括第二壳体(220)；
所述第二显示单元(210)安装在所述第二壳体(220)上；
并且，在所述第二壳体(220)上还设置有与所述第二显示单元(210)相连接的第二信号传输接口(230)；
所述第一信号传输接口(160)与所述第二信号传输接口(230)通过232通讯线缆(300)通信连接。
8.根据权利要求7所述的AI可视化视觉传感器，其特征在于，在所述第二壳体(220)上还设置有与所述第二信号传输接口(230)相连接的外接信号端子台(240)。
9.根据权利要求7所述的AI可视化视觉传感器，其特征在于，在所述第二壳体(220)上还设置有第二安装结构(250)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202022116066.0U CN213461906U (zh) | 2020-09-24 | 2020-09-24 | 一种ai可视化视觉传感器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202022116066.0U CN213461906U (zh) | 2020-09-24 | 2020-09-24 | 一种ai可视化视觉传感器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN213461906U true CN213461906U (zh) | 2021-06-15 |
Family
ID=76327020
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202022116066.0U Active CN213461906U (zh) | 2020-09-24 | 2020-09-24 | 一种ai可视化视觉传感器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN213461906U (zh) |
-
2020
- 2020-09-24 CN CN202022116066.0U patent/CN213461906U/zh active Active
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106210713A (zh) | 一种手机摄像头模组多模组同时测试装置 | |
| CN104093016A (zh) | 一种摄像头模组脏污检测方法及系统 | |
| CN104835163A (zh) | 一种针对运动目标检测的嵌入式实时高速双目视觉系统 | |
| CN205921665U (zh) | 一种双摄像头装置 | |
| CN109596631B (zh) | 一种基于机器视觉技术的烟包封签错牌检测装置及方法 | |
| CN112101329A (zh) | 一种基于视频的文本识别方法、模型训练的方法及装置 | |
| CN116184293B (zh) | 一种基于数字孪生锂电池系统的故障诊断方法及报警系统 | |
| CN110796018A (zh) | 一种基于深度图像和彩色图像的手部运动识别方法 | |
| CN115311186A (zh) | 一种红外与可见光图像跨尺度注意力对抗融合方法及终端 | |
| CN104400785B (zh) | 交互式智能家居服务机器人 | |
| CN213461906U (zh) | 一种ai可视化视觉传感器 | |
| CN108184062B (zh) | 基于多层次异构并行处理的高速追踪系统及方法 | |
| CN115471439A (zh) | 显示面板缺陷的识别方法、装置、电子设备及存储介质 | |
| CN205336459U (zh) | 一种新型热源与火情智能探测系统的前端分析处理架构 | |
| CN112163095A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN101639963B (zh) | 光纤振动处理器系统的实现方法 | |
| CN203101029U (zh) | 一种用于检测中继镜的装置 | |
| CN204595937U (zh) | 一种针对运动目标检测的嵌入式实时高速双目视觉系统 | |
| CN209964214U (zh) | 一种智能3d双目传感器 | |
| CN103269413A (zh) | 一种多源视频融合系统 | |
| CN203203939U (zh) | 电解铜箔透光点在位检测装置 | |
| CN114138458A (zh) | 智能视觉处理系统 | |
| US9332178B2 (en) | Methods of image acquiring and electronic devices | |
| CN207573491U (zh) | 一种基于dsp的工业智能相机 | |
| CN112001943A (zh) | 运动估计方法及装置、计算机可读介质和电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant |