簡(jiǎn)介

生產(chǎn)線已步入了快節(jié)奏時(shí)代， 但要提高交付速度和客戶滿意度，勢(shì)必需要在裝運(yùn)前檢測(cè)制造或包裝缺陷。然而，自動(dòng)化檢測(cè)設(shè)備需要在不降低生產(chǎn)線速度的情況下進(jìn)行處理和做出決策。所以，我們需要借助于Xilinx Kria K26系統(tǒng)模塊 （SoM）等器件的幫助。

Kria K26 SoM允許開發(fā)人員利用可編程邏輯與高性能Arm處理器內(nèi)核相結(jié)合的并行特性。Kria SoM的優(yōu)勢(shì)在于Xilinx首次為SoC （XCK26） 提供了異構(gòu)SoC和必要的支持基礎(chǔ)設(shè)施，如4GB DDR4內(nèi)存、16GB eMMC、512Mb QSPI、TPM安全模塊以及必要的電源基礎(chǔ)設(shè)施。

為便于與應(yīng)用接口，此器件提供了可拆分成245個(gè)IO的兩個(gè)240針連接器。

Xilinx還提供了Kria KV260視覺AI入門套件，讓開發(fā)人員能夠快速開始設(shè)計(jì)。該套件為開發(fā)人員提供了擁有以下接口的SoM載卡：

3個(gè)MIPI接口

USB

HDMI

顯示端口

1GB以太網(wǎng)

Pmod

此入門套件還隨附了一系列應(yīng)用示例，幫助用戶了解開發(fā)基于視覺的人工智能應(yīng)用是一件非常輕松的工作。Kria視覺AI入門套件非常適合需要快速圖像處理的應(yīng)用，例如檢測(cè)標(biāo)簽是否已正確應(yīng)用于生產(chǎn)線上的裝運(yùn)箱。

制造業(yè)應(yīng)用案例

接下來讓我們將詳細(xì)地介紹Kria KV260視覺入門套件如何用于制造行業(yè)。創(chuàng)建此類應(yīng)用并不一定需要可編程邏輯設(shè)計(jì)。然而，卻需要進(jìn)行軟件開發(fā)，并具有使用Xilinx Vitis AI培訓(xùn)和編譯新機(jī)器學(xué)習(xí)模型的能力。首先，我們需要安裝和配置Vitis AI。

物料清單

Kria KV260視覺AI入門套件

創(chuàng)建虛擬機(jī)

我們需要本地Linux機(jī)器或運(yùn)行受支持的Linux發(fā)行版的虛擬機(jī)來運(yùn)行Vitis AI。

在安裝完成后，下載Ubuntu Linux磁盤映像，以便在虛擬機(jī)上安裝Linux系統(tǒng)。此項(xiàng)目所使用的Ubuntu版本是Ubuntu-18.04.4 Desktop-amd64.iso，點(diǎn)擊此處即可下載。

現(xiàn)在可以開始構(gòu)建虛擬機(jī)了。第一步，在VirtualBox Manager中單擊New。

這時(shí)將顯示一個(gè)對(duì)話框，用于創(chuàng)建新的虛擬機(jī)（見圖2）。輸入虛擬機(jī)名稱，并將類型和版本分別設(shè)置為L(zhǎng)inux和64位Linux版本。此外，還可以設(shè)置與虛擬機(jī)共享的系統(tǒng)內(nèi)存大小（見圖3）。

圖2：創(chuàng)建虛擬機(jī)

單擊Create按鈕，將顯示虛擬硬盤的設(shè)置。選擇512GB，以允許動(dòng)態(tài)分配物理存儲(chǔ)空間。隨著磁盤使用量的增加，虛擬硬盤大小將擴(kuò)展到512GB。該項(xiàng)目將外部固態(tài)USB C驅(qū)動(dòng)器用作虛擬硬盤，以確保有足夠的可用空間。

圖3：設(shè)置存儲(chǔ)空間

配置好虛擬機(jī)后，接下來就要安裝操作系統(tǒng)了。選中新創(chuàng)建的虛擬機(jī)，然后單擊start按鈕啟動(dòng)VM 9（見圖4）。

圖4：?jiǎn)?dòng)虛擬機(jī)

在啟動(dòng)虛擬機(jī)時(shí)，會(huì)要求安裝之前下載的Ubuntu ISO（見圖5）。

圖5：選擇安裝盤

在虛擬硬盤上安裝Ubuntu操作系統(tǒng)。選擇安裝Ubuntu（見圖6）。

圖6：安裝Ubuntu

在選擇好Ubuntu的位置和配置選項(xiàng)后， 進(jìn)行鍵盤配置（見圖7）。

圖7：選擇本地化設(shè)置

選擇最小安裝（見圖8），因?yàn)槲覀儾恍枰褂棉k公軟件、媒體播放器或玩游戲。

圖8：選擇最小安裝

在安裝期間擦除磁盤并安裝Ubuntu（見圖9）。

圖9：擦除磁盤

單擊continue繼續(xù)操作（見圖10）。

圖10：?jiǎn)⒂么疟P改寫

選擇您所在的地理位置與時(shí)區(qū)（見圖11）。

圖11：設(shè)置時(shí)區(qū)

最后，輸入U(xiǎn)buntu計(jì)算機(jī)名、用戶名及密碼（見圖12）。

圖12：設(shè)置帳戶名和密碼

安裝完成后，重啟虛擬機(jī)（見圖13）。

圖13：重啟虛擬機(jī)

重啟后，登錄并開始安裝Vitis AI。

安裝Vitis和Vitis AI

對(duì)于運(yùn)行Linux的虛擬機(jī)，接下來需要安裝Vitis和Vitis AI。安裝Vitis時(shí)，需要用到在下載時(shí)創(chuàng)建的Xilinx帳戶。Vitis安裝時(shí)間較長(zhǎng)，所以我們會(huì)先安裝它。

打開Xilinx下載頁面，選擇Linux Self Extracting Web Installer（見圖15）。

圖15：Xilinx Linux Installer

下載web安裝程序后，找到下載位置，選擇應(yīng)用程序，右鍵單擊以更改權(quán)限，使其能夠作為應(yīng)用程序執(zhí)行（見圖16）。

圖16：設(shè)置適當(dāng)權(quán)限

現(xiàn)在可以使用終端窗口來安裝Vitis，所需時(shí)間取決于虛擬機(jī)和internet連接性能。

通過以下sudo命令來安裝此工具（見圖17）。

sudo 。/Xilinx_Unified_2020.2_1118_1232_Lin64.bin

圖17：運(yùn)行安裝程序

此時(shí)將啟動(dòng)Vitis Installer（見圖18）。

圖18：?jiǎn)?dòng)安裝程序

登錄您的帳戶（見圖19）。

圖19：登錄您的Xilinx帳戶

選擇Vitis作為目標(biāo)應(yīng)用程序， 同時(shí)還會(huì)安裝Vivado（見圖20）。

圖20：安裝Vitis與Vivado

為了節(jié)省安裝空間，應(yīng)取消選擇除SoC以外的所有設(shè)備（見圖21）。

圖21：最大程度節(jié)省安裝空間

接受安裝條件和條款（見圖22）。

圖22：接受安裝條件和條款

選擇安裝目錄， 建議使用默認(rèn)位置（見圖23）。

圖23：選擇安裝位置

在Installation Summary中，選擇Install并等待安裝完畢（見圖24）。

圖24：完成安裝

安裝完成后，需要運(yùn)行以下腳本以安裝所有相關(guān)項(xiàng)：

sudo /Vitis//scripts/installLibs.sh

接下來，安裝Vitis AI。在本例中，我們將安裝Vitis AI以從CPU而不是GPU運(yùn)行，因而會(huì)影響訓(xùn)練性能。

首先要安裝docker， 請(qǐng)按照此處的說明進(jìn)行操作。注意，可能需要在安裝完成后重啟虛擬機(jī)。

接下來，請(qǐng)使用以下命令安裝Git：

sudo apt update sudo apt install git

選擇/創(chuàng)建Vitis-AI的安裝目錄。使用以下命令克隆Vitis-AI：

git clone https://github.com/Xilinx/Vitis-AI.git

一旦克隆好Vitis-AI存儲(chǔ)庫，請(qǐng)將其改為存儲(chǔ)目錄，并提取docker映像。

cd Vitis-AI docker pull xilinx/vitis-ai:latest

從docker下載最新的Vitis-AI映像將需要幾分鐘的時(shí)間。

在提取docker映像之后，我們需要構(gòu)建交叉編譯系統(tǒng)。可以通過運(yùn)行Vitis-AI/setup/mpsoc/VART中的腳本來完成此操作（見圖25）。

cd Vitis-AI/setup/mpsoc/VART 。/host_cross_compiler_setup_2020.2.sh

圖25：安裝SDK路徑

運(yùn)行腳本后，請(qǐng)確保運(yùn)行指定的命令以啟用交叉編譯環(huán)境。

我們可以通過編譯一個(gè)演示程序來測(cè)試是否正確安裝了Vitis AI。在本例中，我們采用的是demo/VART/Resnet50目錄下提供的resnet50應(yīng)用程序。請(qǐng)使用以下命令編譯應(yīng)用程序：

Bash -x build.sh

如果您在終端窗口中沒有看到錯(cuò)誤，并且可執(zhí)行文件出現(xiàn)在目錄中，則說明Vitis AI安裝成功（見圖26）：

圖26：編譯引擎

現(xiàn)在，我們需要開發(fā)數(shù)據(jù)集，以顯示正確和錯(cuò)誤黏貼的標(biāo)簽。

創(chuàng)建數(shù)據(jù)集

為了訓(xùn)練神經(jīng)網(wǎng)絡(luò)，我們首先需要一組正確和錯(cuò)誤圖像的數(shù)據(jù)集。我們以幾個(gè)正確和錯(cuò)誤地黏貼了貿(mào)澤標(biāo)簽的箱子為例。為了獲得多樣化的圖像，我們從多個(gè)角度拍攝了正確和錯(cuò)誤黏貼標(biāo)簽的箱子。

這些圖像被整理成兩個(gè)目錄——一個(gè)是正確的標(biāo)簽，另一個(gè)是錯(cuò)誤的標(biāo)簽。

對(duì)于捕獲到的圖像，我們需要訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)。在本例中，我們將使用Edge Impulse。請(qǐng)注意，您需要為Edge Impulse創(chuàng)建一個(gè)免費(fèi)的帳戶。

在Edge Impulse端，首先要?jiǎng)?chuàng)建一個(gè)新項(xiàng)目（見圖29）。

圖29：創(chuàng)建Edge Impulse項(xiàng)目

新項(xiàng)目創(chuàng)建后，可以上傳標(biāo)記為正確和錯(cuò)誤的圖像文件夾。首先選擇正確目錄中的所有文件并進(jìn)行上傳，標(biāo)記為L(zhǎng)abel_Correct。隨后，上傳錯(cuò)誤的圖像并將其標(biāo)記為L(zhǎng)abel_Incorrect（見圖30）。

圖30：上傳數(shù)據(jù)

所有圖像都上傳完成后，接下來就要定義Impulse。選擇寬度和高度均為224像素的輸入圖像。選擇圖像，輸入Transfer Learning，然后保存Impulse（見圖31）。

圖31：設(shè)置Impulse

然后，我們可以通過生成特征和訓(xùn)練Impulse來訓(xùn)練模型（見圖32）。

圖32：生成特征

選擇模型MobileNetV2 160x160 1.0，等效模型位于Xilinx Model Zoo下（見圖33）。

圖33：選擇正確的模型

可能需要幾分鐘的時(shí)間來訓(xùn)練模型。訓(xùn)練完成后，返回概覽頁面，選擇下載遷移學(xué)習(xí)模型（見圖34）。

這將包括保存的模型和.zip文件中的變量（檢查點(diǎn)）。

圖34：下載保存的模型

量化并編譯模型

接下來使用Vitis AI對(duì)模型進(jìn)行量化和編譯。在虛擬機(jī)中，我們可以通過發(fā)出以下命令來運(yùn)行Vitis AI（見圖35）。

。/docker_runs.sh Xilinx/vitis-ai-cpu:latest

圖35：?jiǎn)?dòng)Vitis AI

加載Vitis AI后，使用以下命令激活TensorFlow（見圖36）。

conda activate vitis-ai-tensorflow

圖36：激活Vitis AI TensorFlow

接下來，凍結(jié)將檢查點(diǎn)的信息合并到凍結(jié)模型文件的模型（見圖37）。

圖37：編譯凍結(jié)模型

一旦模型作為凍結(jié)模型輸出，我們就可以使用編譯器編譯輸出模型，以部署到系統(tǒng)中。

我們可以從Xilinx Model Zoo中包含的YAML文件中了解輸出節(jié)點(diǎn)的信息（見圖38）。

圖38：探索模型

要檢查凍結(jié)的網(wǎng)表，則需要安裝Netron。此外，理解量化過程的輸入和輸出節(jié)點(diǎn)名稱也很重要（見圖39）。

圖39：安裝Netron

有了量化網(wǎng)表，我們可以將量化網(wǎng)表編譯為部署在Kria SoM上的模型（見圖40）。

圖40：編譯模型/

借助于SCP/FTP，我們可以將編譯后的模型上載到以下目錄中的Kria文件系統(tǒng)：

/usr/share/vitis_ai_library/models/

上傳好模型后，可以生成一個(gè)軟件應(yīng)用程序，用于測(cè)試神經(jīng)網(wǎng)絡(luò)。這時(shí)，我們可以將幾個(gè)正確和錯(cuò)誤的圖像上載到Kria SoM，來測(cè)試應(yīng)用程序。

結(jié)語

該項(xiàng)目展示了對(duì)于工業(yè)AI/ML應(yīng)用，在Kria SoM中訓(xùn)練和部署神經(jīng)網(wǎng)絡(luò)是一件非常簡(jiǎn)單的事情， 其應(yīng)用潛力也是無限的。未來可能需要更新軟件以利用gstreamer框架，并像在生產(chǎn)線上一樣對(duì)實(shí)時(shí)圖像進(jìn)行分類。

審核編輯：郭婷