《研华推出了新型工业 AI 相机ICAM-520》

  • 来源专题:智能制造
  • 编译者: icad
  • 发布时间:2023-11-23
  • 研华推出了新型工业 AI 相机ICAM-520 ,内嵌 NVIDIA® Xavier NX,将工业级 SONY MX 296图像传感器、LED 光源、可变焦距镜头、图像采集和 AI 运算功能结合在了一起。
    加速云到边缘视觉 AI 应用的开发和部署
    研华 ICAM-520 将 NVIDIA Xavier NX AI 计算模块置于紧凑型工业相机系统内。这将图像采集和人工智能推理功能结合在同一系统中,同时减少了摄像机、云服务器和人工智能推理系统之间的距离所造成的延迟。ICAM-520 具有基于 FPGA 的触发输入、频闪灯和 MIPI 接口,这也使ICAM-520能够执行低延迟和高带宽图像采集。这些功能提高了现场人工智能推理的效率,为需要实时响应的边缘人工智能应用(如人工智能自动光学检测、人工智能光学字符识别和边缘物体识别)提供了出色的解决方案。
    在 AI 计算方面,NVIDIA Jetson Xavier NX 具有高达 21 TOPS 的加速计算能力,可提供并行运行现代神经网络和处理数据的强大动力。用户可以使用 ICAM-520 获取图像并执行标注、训练和推理。这一功能大大缩短了 AI 系统的开发周期。
    研华的 ICAM-520 还支持一系列强大的软件,包括 NVIDIA JetPack SDK、DeepStreamSDK、QV4L2、VLC (RTSP) 显示实用程序和 web-based 的实用程序。AI 开发人员可以使用C/C++、Python或 Graph Composer 或 NVIDIA 低代码工具快速集成预训练模型,以便在视觉系统中快速部署。
    减少视觉系统安装和维护的一体化解决方案
    ICAM-520 是一款高度集成的工业 AI 摄像机,配备了可编程变焦镜头、LED 光源和SONY工业级图像传感器。这些功能减少了安装和维护所需的工作量。相机的通用设置、光源和一米检测距离可满足大多数视觉应用要求。此外,ICAM-520 上的内置按钮可供用户拍摄快照或自定义其功能。用户只需通过 Lan 口连接 ICAM-520 就可以实践对视觉系统的控制。ICAM-520 具有USB接口,可让客户灵活连接那些使用 Wi-Fi 和 5G 应用通信模块的方案。这降低了人工智能软件开发人员的准入门槛,使他们能够轻松实现 AI 视觉应用。研华 ICAM-520 提供广泛的支持包,使客户能够轻松集成软件和硬件。
    ICAM-520 在一个紧凑的系统(82 x 121 x 63 毫米)中集成了光源、摄像头和人工智能计算。这不仅节省了空间,还节省了安装其他 AI 计算设备所需的时间。此外,其坚固耐用的无风扇设计还能在恶劣的工厂环境中经久耐用。
    主要特点
    ● 内嵌 NVIDIA® Jetson Xavier? NX?
    ● 1.6 MP 60 FPS,SONY 工业级传感器?
    ● 可编程可变焦距镜头?
    ● LED 阵列照明?
    ● HW ISP,无 GPU/CPU 工作负载?
    ● 软件支持包
    研华为多功能工业视觉 AI 应用提供了 ICAM-500 系列装置的完整产品组合。ICAM-520 是各种工业边缘 AI 视觉应用的理想之选,现已上市。如需了解更多信息,请联系研华区域销售或访问我们的网站。
    关于研华 –研华科技成立于 1983 年,以“智能地球的推手”作为企业品牌愿景,一直专注于工业物联网、嵌入式物联网及智慧城市三大市场。为迎接物联网、大数据与人工智能的大趋势,研华提出以边缘智能和 WISE-PaaS 工业云平台为核心的物联网软、硬件解决方案,协助客户伙伴串接产业链。研华业务分布全球 27 个国家,拥有约 8,300 名员工,凭借强大的技术服务及营销网络,为客户提供本土化响应的便捷服务。此外,研华积极推进产业伙伴共创,加速 AIoT 生态圈布建与发展。.
  • 原文来源:http://www.gongkong.com/news/202311/431771.html
相关报告
  • 《谷歌AI团队推出新型“流体标注”:标注速度提高三倍》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:冯瑞华
    • 发布时间:2018-11-28
    • 谷歌AI团队近日推出了一款新型图像标注方式——“流体标注”,即采用机器学习来注释分类标签并勾勒出图片中的每个对象和背景区域。谷歌官方表示其可将标记数据集的速度提高三倍。百度众测平台去年曾发布了5000万元的数据标注任务,而今年预计将达3亿元。面对如此大的市场需求,效率低、交付质量参差不齐的人工标注方式亟待改善。谷歌此次推出的“流体标注”如何为图像标注提速? 数据标注——机器感知世界的起点 “数据标注是人工智能产业的基础,是机器感知现实世界的起点。从某种程度上来说,没有经过标注的数据就是无用数据。”美国加州科技大学校长秦志刚教授在接受科技日报记者采访时表示,机器识别事物主要通过物体的一些特征。被识别的物体还需要通过数据标注才能让机器知道这个物体是什么。 在机器的世界里,图像与语音、视频等一样,是数据的一个种类。近年来,随着数码产品以及存储技术的迅速普及和发展,人们每天都可通过相机、可视电话、监控及医疗设备等制造大量图像。因此,现阶段图像已然成为标注产业发展的重点对象。 如果素材是一张人物图像,那么需要标注的信息往往是性别、面部朝向、人种、有无帽子眼镜等,也可以人为地将人物和背景的区域划分开来。将成千上万张经过标注的图片组成的数据集“投喂”给机器,它才能在一张全新的图像中分辨出人物在哪个区域、具有怎样的外貌特征。对于人来说“小儿科”的思考历程,机器却需要大量的标记数据集进行训练。 机器学习——缓解人工标注的压力 提到人工智能产业,人们往往联想到繁华的城市和干练的IT精英,但实际上,支撑起人工智能的数据标注产业,却是一个劳动密集型产业。百度搜索“数据标注”,会出现很多图片语音视频数据采集、标注公司。随机选择一个此类词条点进去,往往会看到“万人数据标注团队”等类似宣传语。可见人工标注是目前数据标注的主要方式。 “谷歌推出的流体标注模型主要利用人工智能学习的基础,对图像数据进行自动标注,对于标注不准确或者出现偏差的地方可以通过人工调整,从而提高标注效率。”秦志刚指出,即便该模型可借助机器学习提升标注速度,但最初还需进行人为地数据标注,为其提供初始训练数据集。事实也正是如此,为了标注图片,谷歌预先以约一千张具有分类标签和信任分数的图片训练了语意分割模型。 但该模型尚不完美,谷歌称,物体边界标记问题、界面操作速度以及类别扩展等仍需进一步研究或完善。 人工智能——致力于生活中的简单应用 虽然还有诸多难题尚待攻克,但以流体标注模型为代表的数据标注新方式无疑顺应着人工智能的大潮流。实际上,自人工智能逐渐走热以来,很多行业都想搭上这个热潮。然而,在灼热的潮流背后,掩藏着一个根本性的问题:人工智能终将走向何方? “人工智能的本质是机器拥有‘学习’的能力,可想而知,人工智能可以极度缩短人类自身的学习时间,从而将人从大规模脑力学习活动中解放出来,去专注于更有价值的工作。”秦志刚表示,虽然人们普遍认为人工智能终将到来,但现阶段人工智能产业仍在云端。目前大多数人工智能的应用只能生存在高性能处理器的大型厂房中,就如同第一代通用计算机ENIAC一样“大而笨重”。“众所周知,随后的几十年内计算机飞速发展到小型的笔记本电脑,功能却比ENIAC更强大。人工智能也当如此”。 界面简单、功能友好、毫无相关知识基础的人都能使用并获得舒适感,这是秦志刚设想的人工智能时代。一枚小小的人工智能芯片,可以完成学习、训练、推理等一系列“思考”过程,而它的终端表现则或许只是人们生活中最为常见的简单应用。如下班回家,不需再拿出钥匙开门,智能门锁就像一位尽职的管家,会在第一时间感知你的到来,为你敞开家门。“十年之后,人工智能将会成为主流,潜移默化渗透到生活中的各种角落。别看是小事情,背后却是高密集的技术支撑。”秦志刚表示。 “愿景十分美好,但如何将人工智能落地和普及推广?这将是我们下一步亟待攻克的难题。”秦志刚说。
  • 《Springer Nature推出新型科研诚信AI工具》

    • 来源专题:科技出版市场动态监测
    • 编译者:崔颖
    • 发布时间:2025-04-30
    •     Springer Nature推出一款新的AI工具,用于识别投稿中不相关的参考文献。该工具是Springer Nature内部开发的最新一款AI驱动工具,旨在剔除有问题的投稿并确保出版记录的真实性。     Springer Nature的科研诚信团队(Research Integrity Group,RIG)将使用该工具评估公司旗下几乎所有期刊和图书的稿件,分析每条参考文献的相关性。如果多条参考文献被认定为不相关,该投稿将被标记给科研诚信团队,由其进行人工检查并决定是否退回。     该工具已经过多轮测试和验证,以确保为各个学科的参考文献提供精确、可靠的鉴定,对工具的进一步训练和开发将持续进行。根据Springer Nature的AI原则,人工监督将始终存在。     Springer Nature科研诚信总监Chris Graf表示,“随着AI生成虚假论文的能力日益增强,检查参考文献为识别这些不道德行为提供一个关键契机。在现有的检查中加入该工具,将有助于我们发现不诚信的投稿,否则这些稿件接下来就会占用编辑和同行评审专家的时间。”     该工具的发布距Springer Nature上次推出另外两款AI工具仅有十个月时间,另外两款工具也是由Springer Nature内部开发的用于发现问题投稿的工具。其中,Geppetto可支持识别论文中由AI生成的虚假内容;SnappShot支持识别论文中有问题的图像。     Chris Gra补充,“科研造假是影响整个出版行业的挑战,Springer Nature不会容忍。从创建AI工具,到组建目前已达50人的科研诚信专家团队,再到通过培训强化员工和编辑的专业知识,我们致力于确保已出版研究的可靠性,以便科研人员在可靠的基础上进行发展。”