Technische Grundlage von Embedded-Vision-Systemen sind unter anderem kompakte, leistungsstarke Rechnerplattformen, die wenig Energie verbrauchen und dank standardisierter Schnittstellen zu Bildsensoren immer mehr Bilddaten in Echtzeit verarbeiten können. James Tornes, Vice President Systems and Software der Intelligent Sensor Group von ON Semiconductor, führt die positive Entwicklung von Embedded Vision unter anderem darauf zurück, dass die verfügbaren Sensoren und Kameras immer kleiner werden und zunehmend rauschfreiere Aufnahmen ermöglichen. Damit nehme auch die erforderliche Verarbeitungsleistung ab, um die gewünschten Aufgaben zu lösen. „Ein wichtiger Aspekt ist die Tatsache, dass die Leistungsfähigkeit von Prozessoren für batteriebetriebene Anwendungen – wie zum Beispiel Handscanner, Türklingelkameras oder intelligente IP-Kameras et cetera – stark zunimmt. Die dort verwendeten Prozessoren sind teilweise auch in geeigneten Embedded-Applikationen einsetzbar.“ Diese Tatsache bezeichnet Tornes als einen wichtigen Enabler für den gesamten Embedded-Vision-Markt.

Die derzeit größte Herausforderung bei der Anwendung effizienter Bildverarbeitungsfunktionen für Embedded-Vision-Systeme sind laut Paul Maria Zalewski, Director Product Management bei Allied Vision Technologies, die Kameras mit allen dafür erforderlichen Integrationsanstrengungen. „Neue Kameramodule und -technologien werden Embedded-Ingenieuren dabei helfen, die einmaligen Entwicklungskosten erheblich zu senken. Gleichzeitig profitieren Anwender von mehr Bildverarbeitungsfunktionen direkt im Kameramodul, was die Ressourcenzuteilung auf der Host-Seite verbessert.“

Dass die Leistungsfähigkeit solcher Kamera-Module in der jüngsten Vergangenheit stark zugenommen hat, führt Jason Carlson, CEO von Congatec, vor allem auf die Leistungsexplosion in der Prozessortechnologie zurück: „Heute können verschiedene Cores eines Prozessors verschiedene Aufgaben übernehmen. Ein Core ist beispielsweise für die Gateway-Aufgaben zuständig, ein anderer dient als Motion Controller, und weitere Cores des gleichen Chips können Vision-bezogene Aufgaben wie zum Beispiel die Erkennung von Gesichtern erledigen.“ Dass alle diese Bereiche in einem einzigen System kombiniert und abgearbeitet werden können, hat entsprechend Auswirkungen auf die Preise der darauf aufbauenden Lösungen, die so ständig wirtschaftlicher werden.

Die Software-Seite

Auch die Software-Seite für Embedded Vision entwickelt sich rasant weiter: Methoden aus dem Bereich der künstlichen Intelligenz wie Machine und Deep Learning tragen wesentlich zum vereinfachten Anlernen von Bildverarbeitungssystemen bei – mit positivem Einfluss auf die Wirtschaftlichkeit neuer Entwicklungen in der Embedded-Vision-Welt.

Dr. Olaf Munkelt, Managing Director von MVTec Software, präzisiert: „Deep Learning auf Embedded-Plattformen gewinnt immer mehr an Bedeutung, um Embedded-Vision-Lösungen effizient zu erstellen und somit Markteinführungszeiten zu verkürzen. Wir betrachten Deep Learning als ideale Ergänzungstechnologie zur Realisierung spezifischer Bildverarbeitungsanwendungen, zum Beispiel um Fehler zu klassifizieren. Durch die Kombination von Deep Learning mit bestehenden Ansätzen lassen sich komplexe Bildverarbeitungsaufgaben einschließlich der Vor- und Nachverarbeitung effizient lösen.“

Es gibt jedoch auch kritische Stimmen zum Einsatz von Algorithmen auf KI-Basis. Michael Gielda, Vice President Business Development bei Antmicro, sagt: „Artificial Intelligence bietet großartige Möglichkeiten und löst viele Probleme. Eine gewisse Schwierigkeit besteht jedoch darin, dass nicht genau bekannt ist, wie ein AI-basierender Algorithmus genau arbeitet und wie er zu seinen Entscheidungen kommt.“ Zur Verdeutlichung nennt Gielda ein Beispiel aus dem Bereich Security: „Algorithmen entscheiden dort auf nicht komplett nachvollziehbare Weise, ob eine Person in einem Bild auf terroristische Aktivitäten untersucht werden sollte oder nicht. Künstliche Intelligenz ist eine Blackbox-Technologie, und das ist ein Problem, das natürlich nicht nur die Bildverarbeitungsindustrie betrifft, sondern generell alle Bereiche, in denen sie eingesetzt wird.“

Ökosystem entwickeln

In den vergangenen Jahren gab es große Fortschritte bei allen Komponenten, die für den Aufbau von Embedded-Vision-Systemen erforderlich sind, seien es Sensoren zur Bildaufnahme, Prozessoren, Embedded-Boards, Kameras, Bildverarbeitungssoftware oder Schnittstellen zur Datenübertragung. Dennoch herrscht bei potenziellen Anwendern noch eine gewisse Unsicherheit, welche der zahlreich am Markt vorhandenen Komponenten sie für die Lösung ihrer jeweiligen Aufgabe auswählen sollen, wie sich diese kombinieren lassen und welche Komponentenzusammenstellung sich am besten eignet.

Dr. Olaf Munkelt vermisst hierfür eine Art Template, das Anwendern bei der Entscheidung hilft. Seine Beobachtung: „Kunden wollen möglichst alle Komponenten für ein Embedded-Vision-System aus einer Hand beziehen. Nur so lassen sich Embedded-Vision-Lösungen auf einfache Weise aufbauen.“ Jason Carlson stimmt zu: „Wir befinden uns erst im Anfangsstadium dieser jungen Technologie, daher existieren hier noch keine bewährten Standards wie in anderen, schon reiferen Märkten.“ Wichtig wäre aus diesem Grund nach Einschätzung aller Teilnehmer, in naher Zukunft eine Art Ökosystem zu schaffen, in dem von den Sensor-Boards über die Kameras bis zur Software alle erforderlichen Komponenten auf einfache Weise zusammenspielen.

Jedoch wird die Vielfalt der möglichen Plattformen laut Michael Gielda in Zukunft eher noch zunehmen: „Da es sich um eine junge Technologie handelt, testen Firmen und Anwender derzeit noch sehr viele Optionen aus und versuchen, die besten Lösungen zu finden. Die dadurch entstehende Vielfalt kann die Anwender verwirren und verunsichern.“ Für den Bereich Software rät Gielda: „Open Source hilft dabei, vorhandenes Wissen zu nutzen und Entwicklungen zu beschleunigen.“ 

PC-basierte Bildverarbeitung bleibt

Bei aller Euphorie über die Möglichkeiten von Embedded Vision steht für die Experten allerdings fest, dass diese Technologie die PC-basierte Bildverarbeitung nicht komplett verdrängen wird. Die Frage sei nicht „entweder – oder“; auch der Bereich der PC-based Vision werde weiterhin wachsen. Für die Bildverarbeitung insgesamt sei unverändert so viel Wachstum abzusehen, dass genügend Raum für eine positive Entwicklung beider Architekturen bleibe.

Autor:
Peter Stiefenhöfer ist Inhaber von PS Marcom Services in Olching.