ZHCACX6 july 2023 AM62A3 , AM62A7
传统机器视觉中的缺陷检测采用基于规则的算法。此类系统需要让图像处理方面的专家直接参与,定义一组规则来开发应用特定的算法。这些算法通常由多个经典特性检测器和一系列条件决策组成。规则的一些示例可能包括某些特性之间存在特定形状或维度关系。嵌入式系统工程师必须根据所需的系统对算法进行编程。这个过程耗时数月。另一方面,可以使用相应的数据集轻松训练深度学习模型,无需指定特性或规则。经过训练的模型可以轻松移植到所需的嵌入式系统。TI 提供了一套工具 (Edge AI Studio),用于对深度学习模型进行训练、编译和基准测试。
基于规则的传统系统 | 采用 TI Edge AI 的深度学习 |
---|---|
需要图像处理专业知识 | 几乎不需要任何深度学习经验,即可使用 Edge AI Studio 来训练模型 |
需要特定于硬件的算法编程专业知识 | 可直接将模型导入 AM62A |
算法是应用特定的 | TI EdgeAI-ModelZoo 提供数百种模型,可轻松针对不同应用进行重新训练 |
开发时间较长 | 开发时间较短 |
通常需要通用处理器 | 可将模型负载分流到 C7x/MMA 深度学习加速器 |
与深度学习相比,需要更少的计算资源 | 与基于规则的系统相比,需要更多的计算资源 |
与深度学习相比,需要更小的数据集 | 需要更大的数据集来训练模型 |
通常用于执行更简单的任务,如物体跟踪 | 用于执行更复杂的任务,如物体检测和语义分割 |
对照明条件和摄像头角度等环境变化的适应能力较弱 | 适应环境变化的能力较强 |
开发后难以更新和调优 | 可以使用 Edge AI Studio 轻松地对模型进行重新训练 |