Come l’hardware AI dedicato trasforma il controllo qualità nell’automotive e abilita edge analytics multi-camera, a bassa latenza
Negli ultimi anni, i sistemi di visione potenziati dall’AI hanno trasformato radicalmente il panorama dell’ispezione veicoli in ambito automotive. In combinazione con modelli AI avanzati che possono valutare migliaia di immagini al secondo, i sistemi moderni a telecamere rilevano difetti produttivi fino alle più piccole imperfezioni della verniciatura. L’ispezione in tempo reale durante la produzione ha innalzato significativamente gli standard qualitativi in tutta la filiera automobilistica.
Analogamente, questi sistemi sono utilizzati dalle compagnie assicurative per ridurre drasticamente i tempi di elaborazione delle pratiche. L’AI riconosce, valuta e categorizza velocemente i danni veicolari dalle foto caricate dal cliente, eliminando la verifica manuale. Anche le officine traggono vantaggio dall’analisi intelligente delle immagini, identificando con precisione i danni e calcolando i costi delle riparazioni. Ciò consente tempi di fermo più brevi e stime di costo più trasparenti, aumentando la soddisfazione del cliente.
Elaborazione di modelli AI in tempo reale all’edge
Le piattaforme di edge computing sono diventate fondamentali per la visione artificiale nei contesti produttivi moderni. A differenza dell’elaborazione su cloud, qui i dati vengono processati dove nascono—direttamente su telecamere o sensori—sfruttando acceleratori AI per inferenze in tempo reale su video streaming fino a migliaia di immagini al secondo da telecamere ad alta velocità.
Queste pipeline video sfruttano combinazioni di CPU, GPU, ISP, VPU, NPU o hardware dedicato AI, scelte in base alle necessità operative e all’efficienza applicativa. Di solito, il video o le immagini grezze arrivano prima nella memoria locale e vengono preprocessate da CPU, VPU o ISP per ridurre il rumore o raggruppare i frame. I dati così trattati vengono poi caricati su acceleratori onboard ottimizzati per rilevamento difetti, riconoscimento oggetti o altre analisi tramite modelli AI. I risultati delle inferenze vengono riscritti in memoria condivisa, quindi gestiti da CPU/VPU/ISP prima dell’output su display, controlli o altri sottosistemi dell’ispezione automotive.
Figura 1
Figura 1. La Axelera Metis AIPU su SOM-COMe-BT6-RK3588 fornisce fino a 214 TOPS di potenza AI — sufficiente per processare contemporaneamente otto stream HD e svolgere OCR e rilevamento oggetti.
La combinazione tra acceleratore di AI e una memoria onboard ben progettata permette processi multipli a bassa latenza su dispositivi edge molto compatti. Un esempio è il SOM-COMe-BT6-RK3588, modulo COM Express Type 6 Basic, perfetto per sistemi vision AI compatti grazie al fattore di forma di 120 × 95 mm. Punta su CPU Rockchip RK3588 (quattro Arm Cortex-A76, quattro Cortex-A55, tre Cortex-M0), fino a 32 GB LPDDR5, GPU Mali, NPU e VPU.
Il vero valore aggiunto è la Axelera AI Metis AIPU. Nei benchmark, questo acceleratore specializzato raggiunge fino a 214 TOPS, circa 15 TOPS per watt, tra i migliori della categoria. Permette anche elaborazioni AI su flussi multipli—fino a 24 stream camera in parallelo con rilevamento oggetti real-time—su un edge device ottimizzato.
Nel modulo COM Express di SECO, la Metis AIPU offre agli sviluppatori fino a 120 TOPS AI reali. La CPU RK3588 integrata gestisce fino a quattro telecamere, espandibili tramite virtualizzazione dei canali e aggregazione con MIPI CSI-2 virtual channels. Il sistema consente quindi lo sviluppo di soluzioni avanzate di ispezione veicoli sfruttando la piena potenza AI Metis.
Sfruttare la potenza AI per la videoanalisi
Per semplificare lo sviluppo di vision AI ad alte prestazioni sull’edge, Metis AIPU di Axelera è supportata dal Voyager SDK, che compila, ottimizza e distribuisce pipeline AI in modo automatico, compatibile con framework come LiteRT (ex TensorFlow Lite) e PyTorch.
Gli sviluppatori possono così sfruttare tutto il potenziale di Metis per molteplici casi d’uso. OEM e integratori scelgono, sulla stessa base hardware, configurazioni diverse a seconda delle esigenze di controllo qualità automotive.
Un esempio pratico consiste nell’uso di due quad-deserializer esterni e MIPI-CSI VC per aggregare fino a otto stream camera su ciascun canale dei due connettori CSI onboard del SOM-COMe-BT6-RK3588.
Axelera AI mantiene una ricca libreria GitHub con progetti come 8×1080p60, 4×4K30 o 1×8K30, utili per il test sul campo.
Figura 2
Figura 2. Il SOM-COMe-BT6-RK3588 supporta diverse estensioni di I/O per applicazioni specifiche. In sistemi di ispezione di produzione, ad esempio, si possono aggiungere due quad-deserializer sulla carrier board e aggregare fino a otto stream per MIPI Virtual Channels (MIPI VC).
| Scenario | Prestazioni e latenza stimate | Demo Axelera corrispondente |
|---|
| 8×1080p@60 FPS stream (rilevamento oggetti + OCR leggero) | Elaborazione reale su Metis AIPU (~120 TOPS)
Latenza 20-40 ms per stream (decode/resize 6–12 ms; detector 6-15 ms; OCR 2–6 ms; post-processing 2-5 ms) | Metis gestisce molti stream video paralleli; YOLOv8S a 1080p è ampiamente nei limiti dei 120 TOPS. |
| 4×4K@30 FPS stream con cascata (detector + segmentazione) | Realtime su regioni di interesse a cascata
Latenza 35–70 ms, variabile in base al numero di ROI | Pattern a cascata dalla fruit demo, crop di ROI ad alta risoluzione per segmentazione. |
| 1×8K@30 FPS ispezione superficie | Quasi realtime con tiling, centinaia di tile/s | Demo tiling 8K, scalabile con più AIPU per aumentare throughput. |
| Molte MIPI/USB camera brevi (es. 12×720p) | Prestazioni limitate da I/O e preprocessing host; AIPU con ampia riserva | Metis gestisce oltre 16 stream in parallelo; RK3588 ha molti controller CSI/USB per input. |
Come mostrato nella Tabella 1, l’acceleratore Metis elabora da uno a otto stream video HD con inferenza AI praticamente in tempo reale, e può supportare dodici o più telecamere in bassa definizione senza saturare le risorse.
Un nuovo scenario per ispezioni automotive AI edge
Integrando un acceleratore AI dedicato nel SOM-COMe-BT6-RK3588, SECO dimostra che lo standard COM Express è pronto a portare la machine vision avanzata sull’edge per la prossima generazione di sistemi controllo qualità automotive. Ciò abilita nuove architetture di sistema con throughput ed efficienza superiori, fondamentali nel futuro della smart manufacturing automotive.
Maggiori informazioni sulle piattaforme edge SECO con tecnologia Axelera AI su seco.com o SECO App Hub.