El módulo SECO SOM-COMe-BT6-RK3588 presenta una potente plataforma de computación embebida para visión artificial en tiempo real en el borde, mejorando en gran medida la fiabilidad de los sistemas de cámaras de seguridad a través de la inferencia de IA incorporada que aumenta la detección de amenazas y alivia la carga de los operadores humanos.
Las estaciones de monitoreo de cámaras forman una parte esencial de la vida moderna, sirviendo a todo, desde edificios de oficinas hasta hospitales, bancos y museos. Dentro de estas estaciones, los operadores de seguridad escanean múltiples transmisiones de video en busca de anomalías y se apresuran a investigar amenazas a medida que surgen. Pero ya sea que las pantallas estén llenas de multitudes o permanezcan vacías durante todo un turno, la hipervigilancia sostenida puede llevar a la fatiga del operador, donde el agotamiento mental y físico compromete la efectividad.
Por ejemplo, los falsos positivos repetidos pueden causar desensibilización a las alertas y llevar a que se ignoren amenazas reales. De manera similar, la monotonía induce lapsos de concentración donde las actividades sospechosas iniciales se pasan por alto por completo. Y para cuando estas se convierten en amenazas reales, puede ser demasiado tarde para que los equipos de seguridad limitados se pongan al día, especialmente en edificios grandes o entornos concurridos.
Para aliviar la carga cognitiva, la visión artificial (AI vision) puede automatizar la identificación de amenazas activas y potenciales en tiempo real a través de múltiples transmisiones de video. Actuando como un multiplicador de fuerza, la visión artificial ayuda a los operadores humanos a enfocarse en áreas relevantes cuando las cosas están tranquilas o a priorizar el esfuerzo durante turnos más ocupados. Combinar la inteligencia artificial con sistemas de cámaras resuelve un problema de seguridad centrado en el ser humano, pero la integración directa requiere una computación potente basada en el borde para lograr la máxima autonomía del sistema e inferencia en tiempo real.
Cómo la Visión Artificial en el Borde Mejora la Vigilancia
El análisis de video con inteligencia artificial ofrece dos enfoques principales: procesamiento basado en el borde y procesamiento en la nube. Aunque el último puede utilizar abundantes recursos informáticos para realizar el análisis más avanzado disponible, tiene inconvenientes que pueden comprometer las operaciones de seguridad.
El principal inconveniente es la latencia: el tiempo entre la captura de video y las decisiones resultantes. Tradicionalmente, la latencia se refiere al tiempo que tarda en enviarse los datos de video a la nube, analizarse y luego devolverse para la inferencia de inteligencia artificial o una transmisión combinada. Dado el volumen de datos para video de alta definición, esto hace que el procesamiento de video basado en la nube no sea aconsejable para lograr un rendimiento en tiempo real predecible, lo cual es esencial en aplicaciones de seguridad ya que maximiza la ventana de respuesta para los operadores. El problema se expande significativamente con el número de cámaras y aplicaciones que requieren correlación cruzada de eventos a través de múltiples transmisiones.
El procesamiento basado en el borde resuelve este problema ya que la inferencia de inteligencia artificial se realiza cerca de la fuente para minimizar la latencia. El procesamiento local, basado en el borde, no se ve afectado por la confiabilidad de la red externa o la cola de trabajos en centros de datos de terceros. Las redes de seguridad cerradas y localizadas mejoran la confiabilidad general del sistema y reducen el riesgo de piratería. Mantener todos los datos de video dentro de una red local puede eliminar los costos continuos de transferencia de datos y servicios basados en la nube, haciendo que la inferencia basada en el borde sea atractiva para los integradores de sistemas de inteligencia artificial.
A pesar de las limitaciones de recursos del hardware del borde, muchos modelos sofisticados de visión artificial están disponibles para su implementación. Los ejemplos de cargas de trabajo para aplicaciones de seguridad incluyen:
- Reconocimiento facial facilita la entrada de personal autorizado a áreas restringidas o señala a personas no reconocidas.
- Reidentificación (Re-ID) rastrea a individuos a través de diferentes imágenes y transmisiones de cámaras separadas para que las partes sospechosas no se pierdan en multitudes o a largas distancias.
- Detección de objetos informa a los operadores sobre posibles amenazas al señalar elementos como armas, objetos robados o chalecos de alta visibilidad (un disfraz que permite que las acciones no sean cuestionadas).
- Seguimiento de movimiento corporal examina los gestos de una persona para señalar comportamientos agresivos o sospechosos, como alguien que se enfoca en las cámaras de seguridad.
Un Enfoque Basado en CoM para la Inteligencia Artificial Integrada
Al considerar plataformas de borde para la visión artificial, el SOM-COMe-BT6-RK3588 computadora en módulo (CoM) es una solución innovadora. A diferencia de la mayoría de los módulos COM Express, que generalmente presentan arquitecturas x86, el SOM-COMe-BT6-RK3588 combina un sistema en chip (SoC) de procesamiento multicore basado en Arm Rockchip RK3588 con una unidad de procesamiento de inteligencia artificial (AIPU) Axelera AI Metis separada para habilitar la visión artificial avanzada dentro del estrecho margen de potencia definido por el estándar abierto COM Express.
Gran parte de la capacidad de procesamiento de inteligencia artificial del módulo se debe al Metis AIPU, un circuito integrado dedicado que ofrece una eficiencia energética de alrededor de 15 TOPS por vatio para hasta 120 TOPS de rendimiento de inteligencia artificial como parte de la plataforma completa SOM-COMe-BT6-RK3588. Esto admite la inferencia de video basada en el borde a través de múltiples transmisiones de cámaras para una detección de amenazas en tiempo real integral.
Estas arquitecturas de procesamiento están respaldadas por hasta 32 GB de memoria para la CPU y 2 GB dedicados para el AIPU, proporcionando amplios recursos para la gestión de datos de video durante el análisis de inteligencia artificial. Las interfaces clave de cámaras incluyen dos conectores MIPI-CSI de 2 carriles y varios puertos USB, con un solo puerto Ethernet para la interfaz con redes de seguridad locales.
Al integrar la computación en el borde a través de un CoM comercial estándar abierto (COTS), los desarrolladores también obtienen los beneficios de un desarrollo acelerado, soporte de larga duración sin dependencia del proveedor e integración flexible y compacta a través de una placa portadora. Una vez diseñada, esta placa portadora puede servir a múltiples generaciones de productos para un tiempo de comercialización más rápido a medida que evolucionan las aplicaciones de seguridad.
Implementación de Visión Artificial en Tiempo Real con Metis
El SDK Axelera AI Voyager ofrece una pila de software integrada de extremo a extremo fácil de usar que simplifica el despliegue de modelos de visión artificial en el Metis AIPU. Ya sea utilizando modelos propietarios o marcos de desarrollo populares como YOLO y ResNet, el SDK Voyager compila y optimiza automáticamente las canalizaciones de inteligencia artificial para facilitar la configuración de la inferencia en tiempo real. Para obtener más información, consulte el repositorio de GitHub del SDK Axelera AI Voyager.
Para completar el ecosistema de software del SOM-COMe-BT6-RK3588, el Clea OS de SECO presenta una plataforma flexible basada en Yocto que los ingenieros pueden personalizar para satisfacer las demandas específicas de aplicaciones de seguridad habilitadas para inteligencia artificial. Su naturaleza modular acelera el desarrollo de bajo nivel y agiliza el acceso a los muchos núcleos de procesamiento a bordo del SOM-COMe-BT6-RK3588, ya sea que el CoM esté integrado en una cámara individual para inferencia en el punto final o apoyando varias cámaras cercanas antes de transmitir las transmisiones analizadas a la estación de seguridad principal.
Un Futuro Simplificado para Cámaras de Seguridad Impulsadas por IA
Muchas empresas y servicios públicos parecen estar reduciendo la seguridad para disminuir los gastos. La visión artificial puede desempeñar un papel vital en aumentar la efectividad de equipos más pequeños y resolver problemas como la fatiga del operador. El SOM-COMe-BT6-RK3588 ofrece una solución rentable para llevar inferencia avanzada y eficiente en energía a los sistemas de cámaras de seguridad locales, lograda a través de una combinación altamente integrada que incluye el Metis AIPU, el SDK Voyager y el Clea OS.
Si bien las aplicaciones de seguridad presentan un caso sólido para ayudar a los operadores con cámaras habilitadas para inteligencia artificial, estas soluciones también son adecuadas para la automatización de fábricas y entornos conscientes de la salud y seguridad. Aquí, el reconocimiento facial, Re-ID, la detección de objetos y el seguimiento de movimiento corporal pueden garantizar que los trabajadores estén debidamente protegidos y permanezcan aptos para operar equipos para los cuales están calificados.
Obtenga más información sobre las plataformas de computación en el borde y CoM de SECO en seco.com y descubra cómo se puede utilizar la visión artificial en el SECO App Hub.