Edge AI Vision für die Fahrzeuginspektion

In den letzten Jahren haben KI-gestützte Vision-Systeme die Fahrzeuginspektion grundlegend verändert. In Kombination mit fortschrittlichen KI-Modellen, die Tausende Bilder pro Sekunde auswerten, können moderne Kamerasysteme heute Produktionsfehler bis hin zu kleinsten Abweichungen im Lack eines Fahrzeugs erkennen. Da die Inspektion in Echtzeit während der Produktion erfolgt, haben diese Fortschritte im Bereich Machine Vision die Produktqualität in der Automobilfertigung deutlich gesteigert.

Ebenso können diese Systeme von Versicherungen genutzt werden, um die Bearbeitungszeiten bei Schadensansprüchen massiv zu verkürzen. KI-Bilderkennung identifiziert, bewertet und kategorisiert Fahrzeugschäden anhand hochgeladener Kundenbilder schnell, wodurch manuelle Kontrollen entfallen. Werkstätten profitieren zudem von intelligenter Bildanalyse, um Schäden exakt zu identifizieren und Reparaturkosten transparent zu kalkulieren, was zu kürzerer Ausfallzeit und höherer Kundenzufriedenheit führt.

Verarbeitung von KI-Modellen in Echtzeit am Edge

Edge-Computing-Plattformen spielen eine entscheidende Rolle für KI-Vision in modernen Produktionsumgebungen. Anders als Cloud-basierte Lösungen arbeiten sie direkt dort, wo die Daten entstehen – an der Kamera oder am Bildsensor – und nutzen KI-Beschleuniger für Echtzeit-Inferenz bei Videostreams mit Hunderten oder Tausenden Bildern pro Sekunde.

Solche Videoverarbeitungs-Pipelines nutzen eine Kombination von CPU, GPU, ISP, VPU, NPU oder spezialisierter KI-Beschleuniger-Hardware. Die Auswahl der Einheiten erfolgt je nach Anwendungsfall und Effizienz der jeweiligen Aufgaben.

Meist werden Rohvideos oder Bilddaten zunächst in den lokalen Speicher geladen, wo sie von CPU, VPU oder ISP zur Rauschminimierung und Frame-Batching vorverarbeitet werden. Diese Daten werden anschließend zurück in den lokalen Speicher geschrieben, bevor sie von einem integrierten Accelerator geladen werden, der für Defekt- und Objekterkennung oder andere Analysen mit KI-Modellen optimiert ist. Die Inferenz-Ergebnisse werden in den Shared Memory geschrieben, wo sie abschließend von CPU, VPU oder ISP nachbearbeitet und an Anzeige, Steuerkreis oder andere Subsysteme der Qualitätsprüfung weitergegeben werden.

Abbildung 1

Abbildung 1. Die Axelera Metis AIPU am SOM-COMe-BT6-RK3588 liefert bis zu 214 TOPS KI-Performance – genug, um acht HD-Kamerafeeds parallel zu verarbeiten und sowohl Texterkennung als auch Objektdetektion auszuführen.

Die Kombination aus KI-Beschleuniger und optimal ausgelegter Speicherarchitektur ermöglicht latenzarme Verarbeitung mehrerer Videostreams gleichzeitig auf kompakten Edge-Geräten. Ein Beispiel ist das SOM-COMe-BT6-RK3588, ein COM Express Type 6 Basic-Modul für kompakte KI-Vision-Systeme mit nur 120 × 95 mm Größe. Es basiert auf dem Rockchip RK3588 mit vier Arm Cortex-A76-, vier Cortex-A55- und drei Cortex-M0-Kernen. Bis zu 32 GB LPDDR5-3200 RAM, Mali GPU, NPU und VPU bieten ideale Voraussetzungen für anspruchsvolle Videoverarbeitung.

Das Highlight ist die Axelera AI Metis AIPU (KI-Processing Unit). Benchmark-Tests zeigen bis zu 214 TOPS Leistung bei ca. 15 TOPS pro Watt. Damit lässt sich selbst Multi-Stream-KI – bis zu 24 parallele Kamerastreams mit Echtzeit-Objekterkennung – effizient auf einem einzigen Edge-System ausführen.

Als Teil des SECO COM Express-Moduls stellt die Metis AIPU Entwicklern bis zu 120 TOPS KI-Leistung in der Praxis bereit. Die integrierte RK3588 CPU unterstützt bis zu vier Kameras – bei Bedarf noch mehr durch Channel Virtualization und Aggregation via MIPI CSI-2 Virtual Channels (VCs). So können Entwickler fortschrittliche Vision-Systeme für die Fahrzeuginspektion aufbauen und die High-End-KI-Leistung der Metis AIPU voll ausschöpfen.

KI-Beschleunigung für Videoverarbeitung nutzen

Für die einfache Entwicklung hochperformanter KI-Vision-Lösungen am Edge werden Axelera AIs Metis AIPUs durch das Voyager SDK unterstützt. Dieses Softwarepaket kompiliert, optimiert und deployed die komplette Pipeline automatisch und ist kompatibel mit Frameworks wie LiteRT (ehemals TensorFlow Lite) und PyTorch.

Entwickler können so das volle Potenzial der Metis AIPU für unterschiedlichste Use Cases ausschöpfen. Mit Metis erhalten OEMs und Systemintegratoren eine flexible Plattform für verschiedenste Implementierungsoptionen im Bereich Fahrzeuginspektion.

Eine Möglichkeit ist die Aggregation von bis zu acht Kamerastreams je Leitung via zwei externe Quad-Deserialisierer und MIPI-CSI VC auf die dualen onboard-CSI-Stecker des SOM-COMe-BT6-RK3588.

Axelera AI bietet eine umfangreiche GitHub-Bibliothek mit Projekten wie 8×1080p60, 4×4K30 oder 1×8K30, die den Einstieg in realen Anwendungen erleichtern.

Abbildung 2

Abbildung 2. Das SOM-COMe-BT6-RK3588 unterstützt vielfältige I/O-Erweiterungen für spezifische Anwendungen. In einem System zur Produktionskontrolle können beispielsweise zwei Quad-Deserialisierer auf der Carrier-Board genutzt werden, um per MIPI Virtual Channels (MIPI VC) bis zu acht Kamerastreams zu bündeln.

Wie in Tabelle 1 zu sehen, verarbeitet die Metis KI-Beschleunigerlösung je nach Anwendung von einem bis acht HD-Video-Streams KI-Inferenz in Echtzeit. Auch mehr als zwölf Standarddefinition-Kameras werden unterstützt, ohne Leistungsgrenze.

Zukunftssichere Edge-KI für Fahrzeuginspektionssysteme

Mit der Integration einer dedizierten KI-Beschleunigerhardware in das SOM-COMe-BT6-RK3588 zeigt SECO, dass der COM Express-Standard den Weg für fortschrittliche Machine Vision am Edge und für eine neue Generation KI-basierter Qualitätskontrollsysteme ebnet. Das ermöglicht neue, effiziente Systemformen mit höherem Durchsatz, geringerer Latenz und besserer Energieeffizienz, wenn KI die Automobilinspektion weiter automatisiert.

Mehr Informationen zu SECO Edge-Plattformen mit Axelera KI finden Sie auf seco.com oder im SECO App Hub.