人工智能图像处理，可通过板载 Raspberry Pi + Hailo 实现，能够同时处理三个摄像头！

将三个摄像头连接到工业用 Raspberry Pi 上，可以进行更多方面的图像分析。例如，当用于生产线上的产品检测或异常检测时，三个视角而不是一个视角将提高准确性。
这同样适用于物体和人体检测以及骨骼姿态估算，从不同角度进行监控具有增加检测范围的优势。

当我们听到人工智能图像处理和边缘处理时，往往会联想到大型系统，但事实上，Raspberry Pi 已被用于足够实用的系统中。

工业级 Raspberry Pi 公司 PiLink Co., Ltd 销售 Raspberry Pi ComputeModule 5（’CM5’），该产品采用适合现场环境的坚固外壳。

这次，出于测试目的，我将 Halito-8L 安装在 Raspberry Pi 5（以下简称 Pi 5）上，而不是 CM5 上，并使用安装的 AI 框架中的示例 AI 模型分别运行三个 USB 摄像头。

Raspberry Pi 也能进行人工智能图像处理

在想象将 Raspberry Pi 应用于人工智能时，人们往往会认为这是不可能的，因为它的电路板价格低廉，性能也不强大。的确，它在数值上不如一般的 PC 或服务器。但是，使用人工智能加速器路由器已经足够实用。

如果说单凭性能还不足以证明拥有一台典型的小型 Windows PC 是正确的，那么实际情况并非如此。因为在工厂和其他应用中，还有许多其他重要优势。
以前的 Raspberry Pi 因性能不足而难以进行人工智能处理，而 CM5（本文撰写时的最新产品）的性能和丰富的连接接口也使人工智能处理得到了充分利用。

Raspberry Pi 的工业用途之所以受到重视，是因为 “其外壳和设计弥补了硬件的弱点，最大限度地提高了运营成本效率和程序灵活性 “。

测试。

安装了一个人工智能框架，并在连接了 Hailo 的 Pi 5 上运行了一个人工智能模型样本。

使用环境

• 树莓派 5 MEM8GB
• 树莓派操作系统（书虫）
• Hailo-8L
• 使用示例人工智能框架和人工智能模型
• 三台支持 4K 的 800 万像素 USB 摄像机
• 激活 MicroSD 卡

人工智能框架和人工智能模型的主要类型有
它调用作为执行环境的框架，并加载经过训练的模型。

• 人工智能框架（如 TensorFlow、PyTorch、ONNX Runtime）
• 人工智能模型，如 YOLOv5（物体检测）、MobileNet（分类）、PoseNet（姿态估计）

请参阅我们此次测试的桌面截图。
操作系统在 microSD 卡上运行，但速度略快。零掉帧。

窗口 (1) 至 (3) 显示来自各 USB 相机的图像。

在左下方可以看到终端，打开了三个标签来运行人工智能模型。
右下角是树莓派操作系统的任务管理器，可以查看使用情况。可以看到，CPU 使用率为 27%，内存使用量仅为 1 GB 左右。

有三个 Hailo 任务，CPU 使用率分别为 6%、6% 和 5%，而 Raspberry Pi 本身的 CPU 使用率仅为少量。

人工智能模型分别运行物体检测和姿态估计。由于只有一个人类模型（②），①和③分别是从不同角度拍摄的 Raspberry Pi 运行视频图像。
可以看到，(2) 的效果很好，显示了姿态估计点标记和线条。

顺便提一下，你的人格得到了 70% 的认可。
如果您的动作不太剧烈，姿势估算就会画得恰到好处、反应灵敏。

如果降低帧频，USB 摄像头最高可处理 4K。在这种情况下，我以 30 帧/秒的速度制作了三个较小的 800×600 窗口。

即使是用于业余爱好的 Pi 5，在使用 Hailo 时也能表现出色。

自由度高，开发成本低

它可以采用没有额外功能的操作系统，开放源码软件（OSS）允许本地使用各种库和应用程序。无论是使用自己的程序，还是用作服务器，所需的定制功能都比标准个人电脑更适合。

该设备还配有 HDMI 端口，因此可以像处理标准 PC 一样处理它，例如在显示器上显示，从而使其具有高度灵活性。

通过使用现有的人工智能框架和人工智能模型，还可以降低程序开发的成本和速度。

结构紧凑、省电、成本低

Raspberry Pi 具有体积小、重量轻、耗电少、运行时间长而运行成本低的优点。
由于商业用途的设备价格低廉，因此初始成本也很低，在试用的基础上引进该系统是个不错的选择。

坚固的硬件

Raspberry Pi 本身是一块裸板。要实际使用 Raspberry Pi，必须将其放置在每个机箱中。

工业级 Raspberry Pi PL-R5 专为相当恶劣的环境而设计，其外壳和坚固的连接器可承受安装现场的高温、震动和冲击。

Hailo + LTE

一些用于人工智能图像处理的型号内置了 Hailo，并同时实现了 LTE。它们可以与 Raspberry Pi 一起安装在一个坚固的机箱中，因此您只需要同样的一个装置。
有了 LTE，您就不必担心网线或 Wi-Fi 信号，而且获取的数据可以发送到云端存储或用于远程控制。

人工智能相关术语

虽然不局限于人工智能，但计算机中也使用各种术语。这是日本人不擅长的领域，因为大多数词汇都来自英语国家。英语直接用片假名日语或翻译日语表达。

有些术语有许多类似的表达方式，因此，如果先知道它们代表什么，就会更容易理解。

一些术语已作为示例列出。

海洛模块（人工智能加速器）

Raspberry Pi CM5 和 Pi 5 可以与一个名为 Hailo 的专用人工智能芯片模块配合使用。

Hailo 是一家以色列公司开发的芯片。其中的半导体旨在使小型设备能够高速执行人工智能处理，如图像识别。

与 Raspberry Pi 一样，它体积小、功耗低，是嵌入式应用的专用 AI 芯片。这使得人工智能模型可以在 Raspberry Pi 上处理，而 Raspberry Pi 的性能比一般的 CPU 要低，并且采用 Arm 架构。

所使用的 Hailo-8L 是一款 M.2 规格的人工智能推理加速器；由于是 M.2 规格，它可以轻松安装在 CM5/Pi 5 以及相同标准的固态硬盘中。

Hailo 是 Hailo Technologies Ltd. 的公司和产品名称。

边缘推断

这里的 Edge 在英语中指 “边缘”（hashi）。
在计算机行业，它指的是 “车间”，如生产现场。

什么是边缘设备，它是指从云端服务器的角度来看处于边缘的现场设备（终端）。边缘设备 “一语双关。

当推理（≈决策）由现场安装的设备执行时，使用人工智能模型的推理（≈决策）被称为 “边缘推理”。它指的是由现场计算机处理决策，而不是等待互联网服务器（云）响应的系统。

边缘推理的优势在于，与云端处理不同，网络延迟较少，而且从安全和隐私角度来看，可减少数据的异地泄漏。

神经网络

神经网络是体现脑神经细胞 “神经元 “的技术模型（神经网络）。

深度学习 “是一个耳熟能详的术语。在日语中，它被称为 “深度学习”，指的是从大量数据中学习特征的系统。

人工智能（AI）利用神经网络进行机器学习和深度学习。

机器学习 “是指计算机从数据中学习并自动做出决策的技术，而 “深度学习 “则是一种提高准确性的多层次方法。

Hailo-8L 主要是一款能够高速执行深度学习的芯片。

人工智能图像处理

人工智能处理 “是一个非常宽泛的术语。
人工智能图像处理指的是 “由人工智能执行的一系列计算和决策过程”，在本测试中，如果使用摄像头来处理捕捉到的图像，则可称为 “人工智能图像处理”。

人工智能图像处理采用深度学习算法。它利用多层机器学习从大量数据中推断结果。
对图像和视频进行分析、处理和判断，以识别人、物体和特定动作之间的差异。

具体来说，它们可用于识别人脸、区分猫狗等不同物种以及检测产品的正常与异常。

我们看到这被概括地表述为 “人工智能思考、学习和决策”。

树莓派也是人工智能图像处理系统的候选者。

如今，图像识别系统正被引入各种工业应用领域。如果有一种系统能够以较低的成本制造出来，那么很多公司都愿意引进这种系统。

如果您正在考虑实施人工智能图像处理，那么配备 Hailo 的 Raspberry Pi 会是最佳选择。

除了低成本优势外，Raspberry Pi 首先是一个小型设备。即使它被安装在一个坚固的外壳中，对于专业用途来说仍然非常小。
现场的实际情况各不相同，但有一个好的安装位置肯定是有帮助的。

使用 Raspberry Pi 和人工智能图像处理的系统并不复杂，可用于产品检测和安全监控。

由于它是一个边缘设备，因此可以在现场进行实时处理。
一旦数据得到积累和训练，公司自己的人工智能流程就能提高效率。
在本测试中，即使是一台 Raspberry Pi 5，其性能也足以同时处理多个摄像头。

在很难找到熟练技工的情况下，可能迫切需要引入一种可以在人眼之外使用的系统。