Electronique Mag - Le journal de l'électronique.

En quelques années, la demande en Vision Industrielle, pour des applications de contrôlequalité ou de classification automatisée, a augmenté de façon exponentielle. Cette demande requiert un nombre de traitements de plus en plus important. Pour résoudre les défis technologiques liés au domaine de la Vision Industrielle, plusieurs solutions existent et demandent de repenser l’utilisation des plateformes matérielles.

Prenons le cas d’une application complexe qui exige la gestion de plusieurs caméras, un nombre important de calculs va être nécessaire à sa mise en oeuvre. En effet, chaque image issue de chaque caméra doit subir un ou plusieurs traitements avant de rendre un verdict.

Pour gérer ce nombre important de calculs de pixel, trois possibilités s’offrent à vous : l’utilisation d’un processeur de dernière génération Intel de type Core i7 ou Xeon ; l’utilisation d’un GPGPU ; ou d’un FPGA.

La première possibilité permet l’optimisation de l’algorithme et l’utilisation de fonctions performantes liées au processeur. Un processeur de dernière génération permet d’obtenir une puissance de calcul importante mais cette dernière peut rapidement s’avérer insuffisante et limitante face au nombre de calculs

Il est alors possible de répartir des calculs entre le processeur et un GPGPU. La deuxième option accroît le nombre de traitements et réduit la charge du CPU mais cette solution augmente fortement votre consommation d’énergie.

A tort, la dernière possibilité citée n’est pas assez souvent étudiée lors de la mise en place d’un projet de Vision Industrielle. Or, l’utilisation d’une solution à base de FPGA permet bien évidemment de réduire la charge CPU en prenant en charge une partie des traitements d’images mais elle le décharge aussi de la partie protocolaire du flux vidéo. Autre point non-négligeable, un FPGA, en comparaison avec un GPU, consomme moins de puissance électrique ce qui permet de traiter un nombre d’images plus important par watt. Enfin, le dernier avantage des FPGA est leur pérennité dans le temps par rapport aux GPPGU.

La nouvelle carte d’acquisition et de traitement DragonEYE de TechwaY soulage les CPU tout en augmentant la puissance de traitement du système. Le rapport qualité/prix de cette solution, la mise en place d’une technologie complexe à moindre coût, en fait une alternative novatrice dans le monde industriel.

En effet, la carte DragonEYE permet de gérer des applications multi-caméras sans augmenter la charge CPU du système grâce à son « moteur » de traitement. L’équipe Ingénierie de TechwaY, certifiée par Xilinx, a développé un calculateur prenant en charge le protocole GigEVision et permettant de faire des prétraitements d’images. Ainsi, l’utilisation de la DragonEYE dans un système PC n’augmente pas la charge du processeur car le protocole GigEVision et les prétraitements sont effectués sur la carte en temps réel. La DragonEYE délivre des images prétraitées ou non en fonction des choix de configuration fait par l’utilisateur. La première version de la DragonEYE peut acquérir 4 flux GigEVision et la deuxième version disponible pour fin 2018 pourra acquérir 8 flux GigEVision. Le SDK fourni avec la carte contient un logiciel de configuration des prétraitements et une librairie pour permettre à l’utilisateur de développer sa propre application. Les prétraitements sont déjà implémentés dans le FPGA de la carte et l’utilisateur n’a plus qu’à configurer sa chaîne de traitement sans connaissance particulière de la technologie FPGA.

Le principal avantage de cette technologie est de pouvoir paralléliser les traitements et ainsi obtenir un résultat temps-réel. L’utilisation des FPGA se démocratise grâce aux nouveaux outils et produits offerts par Xilinx. Le logiciel Vivado HLS en est l’exemple même puisqu’il permet de compiler une application écrite en C/C++ vers une cible FPGA. Le kit reVISION dédié au Machine Learning est également la preuve de cette démocratisation.

Le FPGA Xilinx utilisé sur la DragonEYE rend la carte pluridisciplinaire. Elle peut être utilisée dans des applications multi-caméras pour de la Vision Industrielle en association avec des bibliothèques de traitements d’images classiques type MIL de Matrox Imaging ou OpenCV. La DragonEYE peut également être intégrée pour des applications dites de « Machine Learning » en utilisant des algorithmes de réseau de neurones.

En conclusion, lorsqu’il est nécessaire d’augmenter la puissance de calcul tout en diminuant la charge CPU et de conserver une consommation de système raisonnable, la technologie FPGA s’avère être une solution abordable qu’il est important d’envisager.

http://www.techway.fr