Skip to main content

Siana Systems, partner autorizzato ST, spiega come mai visione artificiale e apprendimento automatico on the edge sono sempre più diffusi ed utilizzati

Realizzare sistemi di visione artificiale rimane un problema tecnico complesso da risolvere. Tuttavia, sempre più aziende senza competenze ingegneristiche vogliono trarne vantaggio.

I negozi al dettaglio desiderano utilizzare applicazioni di tracciamento delle persone per migliorare le operazioni rispettando la privacy dei clienti. I centri commerciali hanno bisogno di modi migliori per monitorare la capacità, soprattutto dopo una pandemia globale.

Dunque, che si tratti di rilevamento del distanziamento sociale o semplice riconoscimento di oggetti, la visione artificiale sta ricevendo molta più attenzione. Il problema è che circa nove progetti su dieci non superano la fase di prototipazione. Le aziende non sanno come formulare ciò di cui hanno bisogno o capire cosa è richiesto in un’implementazione commerciale.

Come funzionano i sistemi di computer vision?

MPCam

Una delle prime sfide è capire che aspetto ha un sistema di visione artificiale. MPCam e MPTherm di Siana Systems aiutano quindi le aziende offrendo un piccolo PCB di prova. È il motivo per cui Siana ha scelto di utilizzare il SiP di Octavo invece di fare tutto da zero.

Come ha condiviso l’azienda, questo approccio è il risultato di un processo time-to-market molto più rapido e un PCB più piccolo. Nonostante ne avesse le competenze, Siana voleva concentrarsi sull’applicazione piuttosto che ottimizzare la RAM, capire la gestione dell’alimentazione e tutte le altre implementazioni tecniche richieste da un microprocessore.

Perchè realizzare applicazioni di computer vision on the edge?

Le aziende si trovano in difficoltà anche con l’applicazione stessa. Molti non pensano di trasferire semplicemente i flussi video al cloud, ma non si rendono conto dei costi e dell’infrastruttura necessari per questo approccio.

Ad esempio, un centro commerciale che fa affidamento sulla sua rete Wi-Fi vedrebbe rapidamente impantanarsi i suoi punti di accesso tradizionali se trasmettesse in streaming più canali video tutto il giorno. Di conseguenza, un dispositivo perimetrale che offre funzionalità di intelligenza artificiale è spesso la quintessenza di un’applicazione di successo.

Ecco perché MPCam e MPTherm utilizzano un STM32MP1 e un Coral, un’unità di elaborazione del tensore (TPU). In effetti, il sistema deve essere piccolo ma abbastanza potente da eseguire calcoli localmente per alleviare i requisiti di larghezza di banda.

Come costruire applicazioni computer vision at the edge?

MPTherm

Anche coloro che comprendono la necessità dell’intelligenza artificiale on the edge potrebbero non rendersi conto di ciò che accade in un sistema operativo Linux e di come creare l’esperienza utente necessaria per facilitare, tra le altre cose, le procedure di gestione del sistema.

Di conseguenza, MPCam e MPTherm vengono forniti con un’immagine Linux avviabile basata su OpenSTLinux, una distribuzione Linux incorporata. Inoltre, Siana ha lavorato a stretto contatto con la ST per utilizzare il nostro pacchetto software X-LINUX-AI, che aiuta a eseguire tre demo pronte all’uso. X-LINUX-AI supporta Python 3.10, TensorFlow Lite 2.8.0, OpenCV 4.5 e altro.

I framework consentono a Siana di fornire applicazioni di riconoscimento di immagini e rilevamento di oggetti. Inoltre, l’azienda offre anche un programma proprietario di tracciamento delle persone in collaborazione con Stura.io.

Il monitoraggio delle persone è particolarmente complicato perché è troppo facile ottenere risultati errati contando più volte la stessa persona o non monitorandone i movimenti. In effetti, non è sufficiente avere l’hardware, il sistema operativo e il framework giusti.

Ogni caso d’uso richiederà nuovi set di dati, algoritmi e ottimizzazioni. Utilizzando OpenSTLinux e X-LINUX-AI, Siana aiuta i clienti a iniziare. MPCam e MPTherm vengono forniti con un server web. I clienti possono connettersi con un browser e iniziare a eseguire le applicazioni demo in pochi minuti.

Come rendere sempre più comuni i sistemi di computer vision on the edge?

Le schede di Siana rappresentano un’opportunità unica per le aziende che possono sperimentare la visione artificiale senza bisogno di un data scientist interno. Siana Systems spiega che spesso è il modo migliore per aiutare le aziende a determinare se la visione artificiale è adatta a loro e cosa ci vorrebbe per renderla una realtà operativa.

Il prodotto finale è vicino al layout PCB finale e Stura.io può aiutare a sviluppare un’applicazione su misura per esigenze uniche. Utilizzando un SiP STM32MP1 e le soluzioni software della ST, Siana ha demistificato la visione artificiale per le aziende prive di competenze tecniche per assicurarsi che potessero prendere la decisione migliore per la loro attività.

Le sfide ancora da superare

Il partner autorizzato ST sta ora cercando di vincere la prossima sfida: l’implementazione. In molti casi, l’installazione delle schede è problematica, soprattutto se il cliente non dispone del know-how tecnico.

Siana sta quindi lavorando su kit per rendere più facile l’implementazione sul campo. La casa di progettazione presta molta attenzione anche ai microcontrollori. In effetti, sebbene la società non abbia ancora in mente alcun dettaglio, ha spiegato che sta lavorando sempre più su sistemi embedded che si basano su un STM32H7 o STM32F7 e che i progressi sia nel framework dell’interfaccia utente che nelle prestazioni stanno spingendo sempre più progetti ad adottare MCU.

Siana e TouchGFX: il futuro dei sistemi embedded

Sebbene MPCam e MPTherm utilizzino esclusivamente il microprocessore di ST, Siana ha condiviso che hanno lavorato anche su altri progetti che utilizzano microcontrollori STM32 e sono stati i primi ad adottare TouchGFX.

È stato quindi interessante sapere come l’azienda sta lavorando con MPU e MCU. In effetti, lavorare con microprocessori e Linux rende la progettazione di interfacce utente ed esperienze relativamente semplice.

L’azienda ha persino un esperto di UX specializzato nella progettazione grafica piuttosto che nello sviluppo del codice. Utilizzando un framework come Crank, un altro membro del programma partner ST, i progettisti non hanno bisogno di competenze nella generazione del codice. Semplifica i flussi di lavoro e aiuta a collegare la comunicazione con i clienti.

Perché TouchGFX è sempre più popolare?

L’azienda ha anche condiviso come stanno assistendo a tendenze simili sugli MCU STM32. I loro team fanno molto affidamento sul simulatore TouchGFX, che consente loro di lavorare sui progetti con i loro team grafici o con i clienti senza occuparsi della base di codice stessa.

La società ha anche spiegato che le prestazioni su un dispositivo come STM32H7 riducono il divario con i microprocessori, consentendo agli ingegneri di fare di più sui microcontrollori. Esistono ancora notevoli differenze nella progettazione dell’interfaccia utente tra Linux e un ambiente in tempo reale.

Allo stesso modo, alcune applicazioni richiedono la potenza offerta da una MPU. Non stiamo dicendo che siano intercambiabili. Tuttavia, è interessante che una casa di progettazione con una vasta esperienza nei sistemi embedded basati su Linux stia investendo sempre più in TouchGFX e MCU.

Man mano che la visione artificiale all’edge diventa onnipresente, prevediamo che i mercati graviteranno verso soluzioni più convenienti, che includeranno inevitabilmente i microcontrollori.

Ed è affascinante vedere che il lavoro svolto dai nostri team TouchGFX per ridurre l’attrito e rendere il nostro framework adatto ai progettisti ha un impatto diretto sulle attività di una casa di design come Siana.

Se la computer vision è già una realtà, innovazioni come queste porteranno dispositivi edge ovunque. Questa è anche la lezione che abbiamo tratto all’electronica 2022 poiché MPCam era piuttosto popolare allo stand ST.