در سیستمهای سنتی بینایی ماشین، دوربین تصویر را دریافت میکند و آن را برای پردازش به یک کامپیوتر صنعتی ارسال میکند. اما نسل جدید سیستمهای Machine Vision در حال حرکت به سمتی است که بخش عمده پردازش و حتی اجرای مدلهای هوش مصنوعی مستقیماً در نزدیکی دوربین یا خط تولید انجام شود.
به این معماری Edge AI گفته میشود.
روند تجهیزات جدید صنعتی نیز همین موضوع را نشان میدهد. برای مثال، Cognex در سال ۲۰۲۶ سیستم In-Sight 3900 را بهعنوان یک سیستم Embedded AI معرفی کرده که میتواند بازرسیهای مبتنی بر AI را بدون نیاز به کامپیوتر خارجی اجرا کند.
Edge AI چگونه کار میکند؟
در معماری سنتی معمولاً مسیر پردازش به این شکل است:
دوربین → شبکه → کامپیوتر صنعتی → پردازش → PLC
اما در سیستم Edge میتوان بخش بزرگی از این فرایند را به شکل زیر اجرا کرد:
دوربین → پردازش Edge → تشخیص → PLC یا مکانیزم Reject
در نتیجه تصمیمگیری در همان محل خط تولید انجام میشود.
کاهش زمان پاسخ سیستم
در خطوط تولید پرسرعت، گاهی سیستم تنها چند میلیثانیه برای تشخیص قطعه معیوب و ارسال فرمان Reject فرصت دارد.
پردازش محلی باعث میشود حجم بزرگی از تصاویر برای هر تصمیم به یک سرور دیگر منتقل نشود و مسیر پردازش کوتاهتر شود.
این موضوع مخصوصاً در کاربردهایی مانند بازرسی سریع، Sorting و کنترل مونتاژ اهمیت زیادی دارد.
کاهش وابستگی به کامپیوتر مرکزی
یکی از مزایای Edge AI این است که هر ایستگاه بازرسی میتواند تا حد زیادی بهصورت مستقل کار کند.
بنابراین میتوان سیستمهایی طراحی کرد که حتی در صورت ایجاد مشکل در ارتباط با سرور مرکزی، وظیفه اصلی تشخیص عیب را همچنان انجام دهند.
سرور مرکزی در این معماری میتواند برای مواردی مثل ذخیره تصاویر، گزارشگیری، آموزش مدلها و داشبورد مدیریتی استفاده شود.
چه کاربردهایی دارد؟
Edge AI میتواند در بسیاری از پروژههای صنعتی استفاده شود، از جمله:
- تشخیص خراش و نقص سطح
- کنترل وجود یا عدم وجود قطعه
- بررسی مونتاژ صحیح
- طبقهبندی محصولات
- تشخیص قطعه اشتباه
- خواندن Barcode و Data Matrix
- OCR و خواندن شماره سریال
- کنترل بستهبندی
- هدایت ربات
- Sorting محصولات
توان سختافزارهای Edge نیز بهطور قابل توجهی افزایش یافته است. برای نمونه NVIDIA برای Jetson Orin Nano Super تا 67 INT8 TOPS توان AI اعلام میکند و آن را برای کاربردهایی مثل Vision AI، رباتیک و مدلهای چندوجهی معرفی کرده است.
آیا Edge AI همیشه بهترین انتخاب است؟
خیر.
در یک پروژه با تعداد زیادی دوربین، پردازش بسیار سنگین یا مدلهای بزرگ، ممکن است معماری متمرکز یا ترکیبی مناسبتر باشد.
در بسیاری از پروژههای واقعی، بهترین راهکار این است:
Edge برای تصمیمگیری سریع + Server برای ذخیرهسازی و تحلیل
به همین دلیل طراحی معماری باید بر اساس سرعت خط، تعداد دوربینها، نوع الگوریتم، حجم تصاویر و شرایط شبکه انجام شود.
جمعبندی
Edge AI یکی از مسیرهای مهم توسعه بینایی ماشین صنعتی است. افزایش قدرت Smart Cameraها و پردازندههای Embedded باعث شده امکان اجرای الگوریتمهای پیچیدهتر مستقیماً در نزدیکی خط تولید فراهم شود.
اما موفقیت یک پروژه فقط به قدرت AI وابسته نیست. انتخاب صحیح دوربین، لنز، نورپردازی، معماری پردازش و الگوریتم همچنان تعیینکننده نتیجه نهایی است.
