Пост-победитель Нового года Конкурс Intel NUCo .
Мы в компании КомБокс Мы работаем с процессорами Intel NUC начиная с четвертого поколения и используем их для выполнения нейронных сетей в объектной видеоаналитике.
В 2014 году мы начали знакомиться с моделью Intel NUC4i5MYHE, затем решения были перенесены на Intel NUC5i3RYB, а сейчас используем Intel NUC8i5BEK. 
Пример решения на базе Intel NUC: сервер с 8 процессорами Intel NUC8i5BEK в форм-факторе 1U и Outdoor Box NUC (промышленный безвентиляторный ПК для наружного использования) на базе Intel NUC5i3RYB 
Пример решения на базе Intel NUC: сервер с 8 процессорами Intel NUC8i5BEK в форм-факторе 1U и Outdoor Box NUC (промышленный безвентиляторный ПК для наружного использования) на базе Intel NUC5i3RYB
Основное назначение устройств в нашем случае — инференция, процесс непрерывного выполнения предварительно обученных нейронных сетей для обнаружения и распознавания марок, моделей и номерных знаков транспортных средств.
Области применения решений:
Фото- и видеофиксация нарушений правил дорожного движения (нарушение скоростного режима, нарушение разметки, правил парковки и остановки транспортных средств и т.д.).Интеграция решений по распознаванию и обнаружению объектов в системы контроля доступа.
Пример фиксации нарушений: 
Пример фиксации и нарушения правил дорожного движения и траекторный анализ движения транспортных средств на железнодорожном переезде
Для выявления такого нарушения необходимо: Определить, разрешено ли путешествие в данное время
Определить наличие транспортного средства в контролируемой зоне
Определить расположение номерного знака автомобиля
Распознать содержимое номерного знака
Определить марку и модель автомобиля (и, при необходимости, цвет)
Зафиксировать происшествие в местной базе данных с указанием номерного знака, марки, модели, цвета транспортного средства и траектории его движения в районе правонарушения.
Обеспечить доступ по требованию к событиям периода для систем сбора данных Общая схема работы следующая: Видеокамера направлена на одну или несколько полос движения транспортных средств.
Видеопоток передается на устройства для вывода: В случае централизованного вывода и наличия канала связи - в ДЦ к серверам.
Если это технически возможно, вывод выполняется непосредственно в камере (на архитектуре ARM).
Если в камере нет технической возможности вывода и есть проблемы с постоянным стабильным каналом связи, используйте устройства вывода (промышленные ПК) через коммутатор.
Общая схема работы гибридного вывода
Для обнаружения и распознавания мы используем собственные нейросети топологий Darknet19 и UNET.
Определение госномера автомобиля проводится в три этапа: Обнаружить номерной знак и замаскировать остальную часть изображения
Находим углы номерного знака и поворачиваем его так, чтобы символы располагались вертикально.
Распознавание текста на номерном знаке
Все три этапа выполняет нейронная сеть, изначально обученная и написанная на Tensorflow. Выполнение этой сети происходит в Intel OpenVINO. К сожалению, Tensorflow не может использовать графический процессор Intel.
Сравнение Tensorflow и OpenVINO в рамках наших задач: 
Как мы видим, выполнение одной и той же нейросети в Tensorflow и OpenVINO отличается по скорости более чем в 2,5 раза в пользу OpenVINO. GPU, на котором мы в принципе не можем запуститься в Tensorflow, показывает результат в 4 раза лучше исходного на CPU в Tensorflow.
Выбор конечных устройств основан на стоимости ресурсов, необходимых для обработки заданного количества FPS, и наличии возможности параллельного выполнения нескольких сетей на различных типах устройств (в NUC — это CPU и GPU).
Некоторые данные из таблицы сравнения устройств: 
Сервер на базе Intel NUC8i5BEK
Назначение – выполнение нейронных сетей, обработка 80 потоков RTSP Full HD, 15 FPS, H.264, обнаружение и распознавание номерных знаков, марок и моделей транспортных средств.Область применения: множество камер, данные с которых без предварительной подготовки передаются в ДЦ для обработки и формирования событий.
Характеристики сервера: Intel NUC8i5BEK (без корпуса с доработанной системой охлаждения), 8 шт.
Модули памяти DDR4 SO-DIMM, 8 ГБ, 8 шт.
SSD-накопитель M.2, 240Гб, 8 шт.
Корпус форм-фактора 1U
Роутер MikroTik (без корпуса с доработанной системой охлаждения), 1 шт.
БП, 550 Вт.
Сервер вывода в форм-факторе 1U на базе 8 шт. Intel NUC8i5BEK Видео 1. Демонстрация работы сервера форм-фактора 1U на базе 8 шт. Intel NUC8i5BEK 
Климатические испытания работы серверов под нагрузкой в максимальном диапазоне температур
Эстадия проектирования серверов на базе 8 микрокомпьютеров
Преимущества решения: высокая плотность установки CPU и GPU (64 ядра и 8 шт. соответственно для 1U) для серверных решений
относительно низкая стоимость при высокой плотности процессоров и графических процессоров на 1U
энергоэффективность (потребляемая мощность до 500 Вт при полной 100% нагрузке на 8 SBC)
аппаратное декодирование аудио и видео потоков
наличие распределения вывода между CPU и GPU
возможность одновременно работать с различными типами данных INT8/FP16/FP32, используя одновременно CPU и GPU
Промышленный безвентиляторный ПК на базе Intel NUC5i3RYB
Часто возникают ситуации, когда канал связи ограничен, а работу нейросети необходимо выполнять в непосредственной близости от источника данных, передавая события в сопутствующие информационные системы (результат логического вывода).
Промышленный безвентиляторный ПК на базе Intel NUC5i3RYB
Поскольку микрокомпьютеры сами по себе не являются промышленными, для использования на открытом воздухе необходимо не только жилье, но и соответствующие климатические условия.
Нам потребовалась защита от пыли и влаги IP66, а также рабочая температура от -40 до +50 градусов Цельсия.
Мы проверили две гипотезы эффективного отвода тепла: тепловые трубки и медные пластины в качестве радиатора.
Последний оказался более эффективным, хотя и имел большую площадь и более дорогие решения.
В качестве теплообменника использована алюминиевая шпала с расчетными размерами ребер.
Для работы устройства при минусовых температурах мы использовали керамику для нагрева.
Для удобства эксплуатации и внедрения в различных сферах были установлены источники питания с широким диапазоном напряжения 6-36 В.
Основной функционал программно-аппаратного комплекса: Распознавание номерных знаков и марок/моделей транспортных средств
Запуск распознавания данных датчиков
Открытие шлагбаума по распознаванию номеров
Хранение журнала событий и доступ по требованию через REST API
Формирование отчетов о количестве событий за период
Интеграция со сторонними системами контроля доступа
Отправка сигнала о поездке во внешние информационные системы
Фиксация ручного открытия шлагбаума
Просмотр видео в режиме LIVE
Интеграция распознавания со всеми видами 1С
Интерфейс системы распознавания номеров, марок и моделей автомобилей для оператора
Теги: #Машинное обучение #Производство и разработка электроники #сервер #Intel #искусственный интеллект #Обработка изображений #нейронные сети #Настольные компьютеры #intel nuc #inference #inference #микрокомпьютеры #inference #промышленные ПК
-
Uwp – Выпуск 240
19 Oct, 24
