- AI
- Edge Computing
- Use Cases
Edge AI Vision für die Fahrzeuginspektion in der Automobilindustrie
Wie dedizierte AI-Hardware die Qualitätskontrolle in der Automobilindustrie verändert und Multikamera-Edge-Analytik mit niedriger Latenz ermöglicht

In den letzten Jahren haben AI-gestützte Bildverarbeitungssysteme die Fahrzeuginspektion in der Automobilindustrie grundlegend verändert. In Kombination mit fortschrittlichen AI-Modellen, die Tausende von Bildern pro Sekunde auswerten können, erkennen moderne Kamerasysteme heute selbst kleinste Abweichungen im Lack eines Fahrzeugs und damit Fertigungsungenauigkeiten. Da die Inspektion in Echtzeit während der Produktion stattfindet, haben diese Fortschritte in der Machine Vision die Produktionsqualität in der gesamten Automobilfertigung deutlich verbessert.
Ebenso können Kfz-Versicherer diese Systeme nutzen, um die Bearbeitungszeiten für Schadensfälle drastisch zu verkürzen. Hier kann AI-Bilderkennung Fahrzeugschäden auf vom Kunden hochgeladenen Bildern schnell erkennen, bewerten und kategorisieren, sodass eine manuelle Prüfung entfällt. Auch Reparaturwerkstätten profitieren von intelligenter Bildanalyse, um Schäden präzise zu identifizieren und Reparaturkosten zu berechnen. Das fördert kürzere Standzeiten der Fahrzeuge und transparentere Kostenvoranschläge und führt zu höherer Kundenzufriedenheit.
AI-Modelle in Echtzeit am Edge verarbeiten
Edge-Computing-Plattformen spielen eine entscheidende Rolle für AI Vision in modernen Produktionsumgebungen. Anders als die AI-Verarbeitung in der Cloud arbeiten diese Plattformen dort, wo die Daten entstehen - direkt an der Kamera oder am Bildsensor - und nutzen AI-Beschleuniger für Echtzeit-Inferenz auf Videostreams mit Hunderten oder Tausenden von Bildern pro Sekunde aus Hochgeschwindigkeitskameras.
Solche Videoverarbeitungs-Pipelines nutzen eine Kombination aus Allzweck-Hauptprozessor (CPU), Grafikprozessor (GPU), Bildsensorprozessor (ISP), Vision Processing Unit (VPU), Neural Processing Unit (NPU) oder Hardware eines AI-Beschleunigers. Die einzelnen Einheiten werden danach ausgewählt, welche Operationen die Anwendung erfordert und wie sich diese Operationen am effizientesten ausführen lassen.
Typischerweise gelangen Rohvideo- oder Bilddaten zunächst in den lokalen Speicher, wo sie von einer CPU, VPU oder einem ISP geladen und vorverarbeitet werden, um Rauschen zu reduzieren oder Frames zu bündeln. Diese vorverarbeiteten Daten werden dann in den lokalen Speicher zurückgeschrieben, bevor ein integrierter Beschleuniger sie lädt, der für Defekterkennung, Objekterkennung oder andere Analysen mit einem AI-Modell oder Algorithmus optimiert ist. Die Ergebnisse dieser Inferenz werden in den gemeinsamen Speicher zurückgeschrieben, wo sie von einer CPU, VPU oder einem ISP nachverarbeitet werden, bevor sie an ein Display, einen Regelkreis oder ein anderes Subsystem des übergeordneten Qualitätsinspektionssystems für die Automobilindustrie ausgegeben werden.
Abbildung 1. Die Axelera Metis AIPU auf dem SOM-COMe-BT6-RK3588 bietet bis zu 214 TOPS AI-Rechenleistung - genug, um acht HD-Kamerastreams gleichzeitig zu verarbeiten und dabei zusätzlich optische Zeichenerkennung und Objekterkennung durchzuführen.
Die Kombination aus einem AI-Beschleuniger und einer eng abgestimmten Onboard-Speicherarchitektur ermöglicht die verzögerungsarme Verarbeitung mehrerer Videostreams gleichzeitig auf einem Edge-Gerät mit kleinem Formfaktor. Eine solche Plattform ist das SOM-COMe-BT6-RK3588, ein COM-Express-Type-6-Basic-Modul, das sich dank seines Formfaktors von 120 × 95 mm gut für kompakte AI-Vision-Systeme eignet. Diese Lösung basiert auf der leistungsstarken Rockchip RK3588 CPU mit vier Arm-Cortex-A76- und vier Cortex-A55-Anwendungskernen sowie drei Cortex-M0-Kernen für Steuerungsaufgaben. Mit bis zu 32 GB LPDDR5-3200-Speicher integriert der RK3588 außerdem eine Arm-Mali-GPU, eine NPU und eine VPU und ist damit ein beeindruckendes System für anspruchsvolle Videoverarbeitung.
Das Highlight des SOM-COMe-BT6-RK3588 ist jedoch die Axelera AI Metis AIPU (AI Processing Unit). In Benchmark-Tests lieferte dieser spezialisierte Hardware-Beschleuniger bis zu 214 TOPS AI-Leistung und gehört damit zu den besten seiner Klasse. Mit rund 15 TOPS pro Watt im Einzelbetrieb ist die Metis AIPU zudem sehr energieeffizient und ermöglicht es, selbst AI-Workloads mit mehreren Streams - zum Beispiel bis zu 24 parallele Kamerastreams mit Objekterkennung in Echtzeit - auf einem ressourcenoptimierten Edge-System auszuführen.
Als Teil des COM-Express-Moduls von SECO bietet die Metis AIPU Entwicklern bis zu 120 TOPS AI-Leistung unter realen Einsatzbedingungen. Die auf dem Modul integrierte Rockchip RK3588 CPU unterstützt bis zu vier Kameras - und potenziell noch mehr durch Kanalvirtualisierung und -aggregation mit Technologien wie MIPI-CSI-2 Virtual Channels (VCs). Damit können Entwickler fortschrittliche Vision-Systeme für Inspektionsanwendungen in der Automobilindustrie aufbauen und dabei die High-End-AI-Verarbeitungsfähigkeiten der Metis AIPU nutzen.
AI-Beschleunigung für die Videoverarbeitung nutzen
Um die Entwicklung leistungsstarker AI Vision am Edge zu vereinfachen, werden die Metis AIPUs von Axelera AI durch das Voyager SDK unterstützt. Dieser benutzerfreundliche Software-Stack kompiliert, optimiert und stellt die gesamte AI-Pipeline automatisch bereit und ist zugleich kompatibel mit beliebten AI-Entwicklungs-Frameworks wie LiteRT (früher TensorFlow Lite) und PyTorch.
Dadurch können Entwickler das volle Potenzial der Metis AIPU für eine breite Palette von Anwendungsfällen ausschöpfen. Mit Metis können zum Beispiel OEMs und Systemintegratoren, die Qualitätsinspektionssysteme für die Automobilindustrie liefern, auf denselben grundlegenden Bausteinen zwischen verschiedenen Implementierungsoptionen wählen.
Eine solche Implementierung nutzt zwei externe Quad-Deserializer und MIPI-CSI VC, um bis zu acht Kamerastreams über jede der vier Lanes der beiden integrierten CSI-Anschlüsse des SOM-COMe-BT6-RK3588 zu aggregieren.
Axelera AI pflegt eine umfangreiche GitHub-Bibliothek mit vielen gut dokumentierten Beispielprojekten, etwa den unten hervorgehobenen Demos 8x 1080p60, 4x 4K30 oder 1x 8K30. Sie helfen Entwicklern beim Einstieg unter realen Bedingungen.
Abbildung 2. Das SOM-COMe-BT6-RK3588 unterstützt eine Reihe von I/O-Schnittstellen, die für bestimmte Anwendungsfälle erweitert werden können. In einem Qualitätsinspektionssystem der Automobilfertigung könnten zum Beispiel zwei Quad-Deserializer auf dem zugehörigen Carrier Board des COM-Express-Type-6-Moduls ergänzt und mit MIPI Virtual Channels (MIPI VC) verwendet werden, um Streams von bis zu acht Kameras zu aggregieren.
| Szenario | Geschätzter Durchsatz & Latenz | Unterstützende Axelera-Demo |
|---|---|---|
| 8×1080p@60 FPS Streams (Objekterkennung + einfache OCR) | Echtzeit-Durchsatz auf der integrierten Metis AIPU mit ~120 TOPS Latenz 20-40 ms pro Stream (Dekodieren/Skalieren 6–12 ms; Detektor 6-15 ms; OCR 2–6 ms; Nachverarbeitung 2-5 ms) | Metis ist für viele gleichzeitige Videostreams ausgelegt; 1080p YOLOv8S passt problemlos in das Budget von 120 TOPS. |
| 4×4K@30 FPS Streams mit Kaskade (Detektor + Segmentierung) | Echtzeit mit Region-of-Interest-Kaskaden (ROI) Latenz 35-70 ms, abhängig von der Anzahl der ROIs. | Kaskadenmuster aus der Fruit-Demo verwenden und hochauflösende ROIs für die Segmentierung ausschneiden. |
| Einzelne 8K@30 FPS Oberflächeninspektion | Nahezu in Echtzeit mittels Tiling | Die 8K-Tiling-Demo verarbeitet Hunderte überlappender Kacheln pro Sekunde; mehr AIPUs erhöhen den Kachel-Durchsatz. |
| Viele kurze MIPI/USB-Kameras (z. B. 12×720p) | Durchsatz begrenzt durch I/O und Host-Vorverarbeitung; die AIPU hat weiterhin Reserven | Metis kann über 16 gleichzeitige Videostreams ausführen; die mehreren CSI/USB-Controller des RK3588 übernehmen die Eingabe. |
Wie Tabelle 1 zeigt, kann der AI-Beschleuniger Metis zwischen einem und acht High-Definition-Videostreams (HD) verarbeiten und dabei AI-Inferenz in oder nahezu in Echtzeit ausführen. Er kann außerdem 12 oder mehr Standard-Definition-Kameras unterstützen und behält dabei Reserven für zusätzliche Workloads.
Eine vielversprechende Roadmap für Edge-AI-Inspektionssysteme
Mit der Integration eines dedizierten AI-Hardwarebeschleunigers in sein Modul SOM-COMe-BT6-RK3588 hat SECO Entwicklern gezeigt, dass der COM-Express-Standard bereit ist, fortschrittliche Machine-Vision-Leistung für die nächste Generation von Edge-basierter AI zu liefern. Diese Entwicklung ermöglicht neue Systemformfaktoren mit höherem Durchsatz und größerer Verarbeitungseffizienz, was an Bedeutung gewinnt, da AI-Technologien die Fahrzeuginspektion in der Automobilindustrie weiter rationalisieren.
Weitere Informationen zu SECO-Edge-Computing-Plattformen mit Axelera-AI-Technologie oder kompatibel dazu finden Sie auf seco.com oder im SECO App Hub.
Abonnieren Sie den SECO Newsletter.
Melden Sie sich mit Ihrer E-Mail-Adresse auf seco.com an.




