不論是人臉、文本或其他圖像數(shù)據(jù)，使用嵌入式系統(tǒng)執(zhí)行現(xiàn)場圖像識別的需求與日俱增。許多實(shí)現(xiàn)需要昂貴的高端應(yīng)用處理器以及昂貴的定制應(yīng)用代碼。此外，圖像處理是在片上執(zhí)行的，這可能讓成本和開發(fā)時(shí)間翻倍，令設(shè)計(jì)人員難以證明資源投入的合理性。

一種潛在的解決方案是，使用可連接至 Google 云平臺 (GCP) 的嵌入式微控制器，并使用 Google 視覺 API 來執(zhí)行分析。這在利用低成本硬件優(yōu)勢的同時(shí)，還能將處理操作分流到云。

本文將探討嵌入式開發(fā)人員如何利用 GCP 和 STMicroelectronics 的 STM32F779 微控制器來設(shè)置和執(zhí)行圖像識別。

機(jī)器視覺簡介

識別圖像中的對象并加以標(biāo)識，這一功能見諸于各類廣泛應(yīng)用中，包括自主駕駛車輛中的障礙物識別，以及為離開裝配線的產(chǎn)品進(jìn)行編目分類。有鑒于此，機(jī)器視覺正致力于幫助嵌入式系統(tǒng)實(shí)現(xiàn)全新的智能水平。

一般而言，在嵌入式系統(tǒng)中實(shí)現(xiàn)機(jī)器視覺往往會采用高性能處理器或應(yīng)用處理器，例如 Pi Supply 的 Raspberry Pi Zero（圖 1）。這一低成本的開發(fā)板擁有一個(gè)相機(jī)連接器，用于捕捉可供機(jī)器視覺算法進(jìn)行分析的圖像。

圖 1：Raspberry Pi Zero 是一款低成本的開發(fā)板，它擁有一個(gè)相機(jī)接口，用于捕捉可供機(jī)器視覺算法進(jìn)行分析的圖像。（圖片來源：Pi Supply）

在這些應(yīng)用中，開發(fā)人員可能會使用 OpenCV 等工具進(jìn)行人臉檢測，或使用更高級的軟件包來執(zhí)行對象檢測。

在深度嵌入式應(yīng)用中，應(yīng)用處理器解決方案存在的問題在于，功耗和外形尺寸往往過大，無法滿足要求，更不用說 BOM 成本。

基于云的計(jì)算為開發(fā)人員提供了一種引人關(guān)注的折衷。與其將前期成本花在獲取集成式解決方案所需的高端計(jì)算、軟件和時(shí)間上，開發(fā)人員不如使用一個(gè)深度嵌入式目標(biāo)來捕捉圖像，然后將其傳輸?shù)皆浦羞M(jìn)行處理。這使得開發(fā)人員可以使用高能效、低成本的硬件平臺，并將圖像識別和計(jì)算留給云服務(wù)器來處理。

使用云服務(wù)和視覺識別 API 會帶來少量相關(guān)成本；但考慮到大多數(shù)物聯(lián)網(wǎng)解決方案已經(jīng)連接到 Web，此額外成本極低，具體則視特定云服務(wù)提供商而異。

選擇機(jī)器視覺平臺

有興趣在深度嵌入式處理器上使用機(jī)器視覺的開發(fā)團(tuán)隊(duì)可以選擇的處理器和平臺非常之多。目標(biāo)平臺應(yīng)該能夠提供可快速啟動(dòng)和運(yùn)行的構(gòu)件，并且已包含基本連接軟件。Renesas 的 AE-Cloud1 便是一個(gè)很好的例子，該器件旨在幫助開發(fā)人員在不超過 10 分鐘的時(shí)間內(nèi)，連接至 Amazon Web Services (AWS) 等云服務(wù)提供商（圖 2）。

AE-Cloud1 基于 Renesas S5 處理器，并包含 Renesas 的 YSAEWIFI-1 Wi-Fi 模塊，該模塊旨在幫助開發(fā)人員快速、輕松地連接到 AWS。開發(fā)套件還包含一個(gè)調(diào)試器。

圖 2：Renesas AE-Cloud1 開發(fā)板基于 Renesas S5 處理器并包含 Wi-Fi 模塊和調(diào)試器。（圖片來源：Renesas）

開發(fā)團(tuán)隊(duì)也可能會使用 STMicroelectronics 的 STM32 物聯(lián)網(wǎng) Discovery 開發(fā)板，該器件運(yùn)行 Amazon FreeRTOS 操作系統(tǒng)，開發(fā)人員可輕松將其連接到 AWS。

開發(fā)人員可以使用多種不同的軟硬件組合來創(chuàng)建機(jī)器視覺解決方案，包括 STMicroelectronics 的 STM32F779 評估板（圖 3）。其眾多功能中包括了板載相機(jī)、以太網(wǎng)連接和一塊 LCD。所有功能可結(jié)合使用，來捕捉圖像和驗(yàn)證機(jī)器視覺應(yīng)用。

圖 3：STM32F779 評估板基于 STM32F779 微處理器，包含一個(gè)板載相機(jī)、以太網(wǎng)連接，以及一塊可用于采集、查看和監(jiān)視機(jī)器視覺應(yīng)用的顯示屏。（圖片來源：Digi-Key Electronics）

該開發(fā)板使用 Texas Instruments 的 DP83848CVV 控制器，提供以太網(wǎng)物理層 (PHY)，使總體解決方案適合各種工業(yè)環(huán)境。

設(shè)置用于機(jī)器視覺的 Google 云平臺

嵌入式開發(fā)人員可在其應(yīng)用中使用基于云的多種不同機(jī)器視覺服務(wù)。其中包括 Google 云平臺和 Amazon Rekognition。在本文中，我們將了解如何設(shè)置 Google 云平臺視覺 API。

要設(shè)置視覺 API，最簡單的方法是訪問“Before You Begin”（準(zhǔn)備工作）頁面。此頁包含設(shè)置和配置視覺 API 需要遵循的所有指示。開始之前，開發(fā)人員需要擁有一個(gè) Google 帳戶，用于登錄和配置視覺項(xiàng)目。首次使用 GCP 的用戶將獲得一年的免費(fèi)使用權(quán)，用于原型開發(fā)和平臺試驗(yàn)。

圖 4：設(shè)置用于機(jī)器視覺的 Google 云平臺需要遵循的主要步驟。提供 12 個(gè)月的免費(fèi)試用期。（圖片來源：Beningo Embedded Group）

開發(fā)人員配置視覺 API 需要遵循的主要步驟包括：

• 創(chuàng)建新項(xiàng)目

• 確保啟用賬單（最初提供 12 個(gè)月的試用，之后的費(fèi)用不超過 300 美元，但未經(jīng)明示許可不會收取費(fèi)用）

• 啟用云視覺 API

創(chuàng)建新項(xiàng)目是通過 GCP 控制臺完成的，只需單擊“New Project”（新建項(xiàng)目）并提供項(xiàng)目名稱便可，例如“Embedded Vision”。啟用 API 的方法是，單擊“Enable API”（啟用 API）按鈕，然后選擇剛剛創(chuàng)建的項(xiàng)目。這將啟用 API，但真正重要的是生成 API 憑據(jù)，這一過程其實(shí)也相當(dāng)簡單。

通過在項(xiàng)目界面中選擇“API Services and Credentials”（API 服務(wù)和憑據(jù)）可以找到憑據(jù)。然后，開發(fā)人員將通過單擊“Create Credentials”（創(chuàng)建憑據(jù)）按鈕創(chuàng)建憑據(jù)（圖 5）。

圖 5：GCP 視覺 API 鍵是通過 GCP 界面創(chuàng)建的。嵌入式平臺必須使用此鍵，以便訪問視覺識別功能。（圖片來源：Beningo Embedded Group）

至此，視覺 API 設(shè)置完畢，隨時(shí)可用于嵌入式系統(tǒng)中。嵌入式系統(tǒng)需要采集圖像，然后使用視覺 API 將圖像傳輸?shù)皆浦羞M(jìn)行圖像識別。

STM32F779 上的機(jī)器識別

在嵌入式系統(tǒng)上用于連接到 GCP 的軟件將會根據(jù)開發(fā)人員選擇使用或決定自行創(chuàng)建的系統(tǒng)而異。我最近曾將 STM32F779 與 Express Logic X-Ware 物聯(lián)網(wǎng)平臺搭配使用，該平臺已創(chuàng)建一個(gè)將機(jī)器視覺與 GCP 配合使用的簡單演示。

該演示非常簡單；用戶可以通過 LCD 觸摸屏，使用 STM32F779 評估板上的相機(jī)拍攝一張照片。拍攝照片后，用戶可以選擇對對象還是文本進(jìn)行圖像分析。我決定進(jìn)行一項(xiàng)有趣的測試，即在閃卡上書寫“Hello World!”，然后將其提供給相機(jī)。從軟件開發(fā)人員的角度而言，“Hello World!”看起來無疑是首次機(jī)器視覺測試的合理選擇。

測試結(jié)果非常成功！捕捉到圖像后，GCP 視覺 API 成功一致地識別并確定文本，以及我所提供的其他文字。我決定嘗試一種極端情形，即提供快速書寫的有些模糊的圖像，看看系統(tǒng)能否識別書寫內(nèi)容。捕捉的圖像和結(jié)果如圖 6 所示。這種情況下，除了書寫潦草的字母“d”被識別為“j”之外，幾乎完全正確地識別了模糊的“Hello World!”。

圖 6：從 Express Logic X-Ware 物聯(lián)網(wǎng)平臺的 GCP 視覺 API 所返回結(jié)果的屏幕截圖?！癢orld”中的字母“d”的識別結(jié)果很有趣。（圖片來源：Beningo Embedded Group）

有趣的是，我多次將完全相同的書寫內(nèi)容提供給相機(jī)，由于我書寫的字母“d”比較潦草且偏離了焦點(diǎn)，因此得到的正確識別率約為 50%。查看終端日志后可以發(fā)現(xiàn)，識別結(jié)果為“Hello World”和“Hello WorlJ”的次數(shù)各半（圖 7）。

圖 7：GCP 視覺 API 響應(yīng)產(chǎn)生的終端輸出顯示所提交圖像中被識別的文本。（圖片來源：Beningo Embedded Group）

現(xiàn)在，在此示例中，我從人類的角度可以了解云視覺算法為何難以識別該字符。即便在我自己看來，它也有兩種形式，所以這的確是項(xiàng)有趣的測試。

在嵌入式系統(tǒng)上實(shí)現(xiàn)機(jī)器視覺的技巧和訣竅

開發(fā)人員在開發(fā)機(jī)器視覺應(yīng)用時(shí)可以遵循多項(xiàng)技巧和訣竅。其中包括：

• 如果視覺識別沒有實(shí)時(shí)或確定的截止期限，則將圖像識別分流到云中。

• 使用嵌入式軟件平臺簡化到基于云的機(jī)器視覺服務(wù)的連接。

• 默認(rèn)情況下，Google 視覺 API 處于禁用狀態(tài)，必須手動(dòng)啟用才能使用該項(xiàng)服務(wù)。

• 不要忘了在所用的軟件平臺中輸入您的 Google API 鍵：它將用于驗(yàn)證使用該 API 的權(quán)限。

• GCP 提供了基本的一年免費(fèi)試用，可用于開發(fā)系統(tǒng)和制作系統(tǒng)原型。

• 確保圖像或文本已正確定位并且清晰可見，以便減少識別錯(cuò)誤。

總結(jié)

通過利用云中的高性能處理，可以大幅簡化基于低成本嵌入式系統(tǒng)的機(jī)器視覺應(yīng)用。傳統(tǒng)上，有興趣使用機(jī)器視覺的開發(fā)人員必須針對其應(yīng)用，使用應(yīng)用處理器，并且開發(fā)先進(jìn)的軟件或獲得許可。

有了 Google 云平臺和低成本的微控制器及開發(fā)套件，開發(fā)人員便能以極低的成本獲取圖像和文本識別功能。開發(fā)人員還可以使用廣泛提供的可擴(kuò)展軟件平臺，幫助簡化安全的云連接，同時(shí)簡化應(yīng)用開發(fā)。