(廣州華立科技職業(yè)學(xué)院，廣州 511325)

0 引言

人工智能是當(dāng)前最熱門的話題之一，在各個(gè)領(lǐng)域都具有廣泛的用途，如在工業(yè)領(lǐng)域，人工智能可以幫助大幅度減輕編程，減少工程開發(fā)的工程量，使工程內(nèi)部的控制工作能夠進(jìn)行得更加順利，控制邏輯在面對(duì)環(huán)境變化時(shí)可以更加靈敏地運(yùn)行[1]。未來自動(dòng)化系統(tǒng)將會(huì)大力應(yīng)用人工智能，并將人工智能打造成自動(dòng)化系統(tǒng)的重要功能系統(tǒng)，在全自動(dòng)化集成環(huán)境下，可實(shí)現(xiàn)涵蓋從現(xiàn)場(chǎng)層、控制器層、邊緣層直至云端的可擴(kuò)展智能解決方案，當(dāng)應(yīng)用環(huán)境和應(yīng)用目標(biāo)不同時(shí)，還要進(jìn)行適當(dāng)調(diào)整。加入人工智能模塊的系統(tǒng)不僅能夠在單臺(tái)機(jī)器上使用，也可以在所有機(jī)器上使用[2]。

SIMATIC于1958年誕生，距今已經(jīng)有50年的歷史，無論是PLC、工業(yè)軟件，還是HMI都是SIEMENS自動(dòng)化品牌研究的內(nèi)容。目前SIMATIC已經(jīng)從S3系列發(fā)展到S7系列，已經(jīng)成為目前我國(guó)最被信賴的品牌之一。SIMATIC S7—1500 TM NPU人工智能識(shí)別模塊具有很強(qiáng)的識(shí)別能力，可以識(shí)別場(chǎng)景，但是特定場(chǎng)景識(shí)別能力較差，由于識(shí)別過程中設(shè)備的穩(wěn)定性不高，所以很難得到高精度識(shí)別結(jié)果，控制效果差[3]。

MMX—VPU英文全稱為MovidiusMynad X視覺處理器(VPU)，是一種視覺神經(jīng)卡，具有高效的視覺識(shí)別能力和處理能力，可以有效提高Simatic控制系統(tǒng)內(nèi)部的人工智能模塊的控制能力[4]。綜上所述，基于MMX—VPU設(shè)計(jì)了一種Simatic系統(tǒng)的人工智能模塊，分析了模塊內(nèi)部攝像機(jī)的布置結(jié)構(gòu)，并闡述了模塊的識(shí)別功能。

1 Simatic控制系統(tǒng)的人工智能模塊設(shè)計(jì)

人工智能模塊，是集成人工智能(AI)芯片的模塊，被應(yīng)用于SIMATIC S7—1500控制器和ET 200MP I/O系統(tǒng)中[5]。SIMATIC指的是西門子自動(dòng)化系列產(chǎn)品，由西門子(SIEMENS)+自動(dòng)化(Automatic)共同組成。SIEMENS全新TM 神經(jīng)處理器如圖1所示。

圖1 SIEMENS全新TM神經(jīng)處理器

本文設(shè)計(jì)的人工智能模塊是基于MMX-VPU設(shè)計(jì)的，共包括人工智能視覺識(shí)別單元和人工智能視覺處理單元兩部分。

1.1 基于MMX-VPU的人工智能視覺識(shí)別單元設(shè)計(jì)

SIMATIC S7—1500控制器采用的處理器為TM神經(jīng)處理器(NPU)，該處理器是由Intel公司生產(chǎn)，是MovidiusMynad X視覺處理器(VPU)系列的產(chǎn)品之一，該處理器在處理神經(jīng)網(wǎng)絡(luò)問題中具備高效處理的能力，人工智能模塊中配有的USB 3.1接口和千兆以太網(wǎng)端口可以利用SD卡獲得訓(xùn)練過程的神經(jīng)系統(tǒng)功能。

針對(duì)Simatic系統(tǒng)設(shè)計(jì)人工智能識(shí)別模塊，該模塊的核心設(shè)備為攝像機(jī)和加速度計(jì)，通過攝像機(jī)和加速度計(jì)同時(shí)工作完成信息的識(shí)別。智能模塊中的攝像機(jī)是由美國(guó)TASED公司研發(fā)的360人工智能視覺攝像機(jī)，該攝像機(jī)的設(shè)計(jì)原理為是人工智能視覺原理，清晰度為1080P，鏡頭的角度為150°廣角，不僅可以識(shí)別物體，同時(shí)可以判斷物體的顏色，辨別語音，并進(jìn)行雷達(dá)監(jiān)測(cè)。在人工智能模塊中，對(duì)攝像機(jī)結(jié)構(gòu)進(jìn)行安排，結(jié)構(gòu)示意圖如圖2所示。

圖2 人工智能識(shí)別模塊攝像機(jī)結(jié)構(gòu)示意圖

觀察圖2可知，設(shè)計(jì)的人工智能模塊攝像機(jī)結(jié)構(gòu)示意圖由上下兩層結(jié)構(gòu)組成，共有兩個(gè)端口，上層端口為檢測(cè)端，下層端口為重構(gòu)端。檢測(cè)端的檢測(cè)器負(fù)責(zé)檢測(cè)信息，分類器負(fù)責(zé)實(shí)現(xiàn)信息分類，跟蹤器負(fù)責(zé)對(duì)得到的信息進(jìn)行跟蹤。重構(gòu)端包括多種電路，如：異常監(jiān)測(cè)電路、形狀恢復(fù)電路和分辨率恢復(fù)電路，除此之外，重構(gòu)端還加入了一個(gè)重構(gòu)器。當(dāng)傳來初始特定場(chǎng)景圖像信息后，檢測(cè)端內(nèi)部擁有固定的順序，這一固定順序可以將圖像的原始參數(shù)打亂，并對(duì)參數(shù)進(jìn)行分類，通過跟蹤器對(duì)比原始圖像參數(shù)和3D立體圖像的參數(shù)，完成對(duì)比后返回重構(gòu)端，再通過重構(gòu)端來完成新一次的立體重建。重構(gòu)端中的加速度計(jì)會(huì)對(duì)特定場(chǎng)景圖像中的物體進(jìn)行加速測(cè)量，整個(gè)測(cè)量工作都需要數(shù)字控制，內(nèi)部的供電蓄電池電量為3.3 V，并自帶編程入口，可以編程數(shù)據(jù)，數(shù)據(jù)編程入口得到的結(jié)果通過計(jì)算機(jī)軟件進(jìn)行測(cè)量，根據(jù)測(cè)量結(jié)果設(shè)計(jì)代碼，直接送給加速度計(jì)使用，從而有效提高人工智能模塊識(shí)別的效率和識(shí)別的精度。

識(shí)別單元使用的芯片為復(fù)旦微電子公司生產(chǎn)的型號(hào)為FM11RF08的非接觸式識(shí)別芯片，芯片結(jié)構(gòu)如圖3所示。

圖3 FM11RF08非接觸式識(shí)別芯片

該芯片使用的標(biāo)準(zhǔn)為ISO/IEC 14443—A芯片，不需要電源就要進(jìn)行數(shù)據(jù)傳輸和能量傳輸，芯片的工作頻率為13.56 MHz，通訊波特率為106 kbit/s，芯片使用的通訊方式為半雙工通訊方式，加入的加密算法滿足算法的M1標(biāo)準(zhǔn)，對(duì)數(shù)據(jù)的識(shí)別時(shí)間低于100 ms[6]。芯片內(nèi)部加入了三重防偽認(rèn)證，可以有效確保數(shù)據(jù)在安全的狀態(tài)下實(shí)現(xiàn)通信和傳輸，如果SIMATIC系統(tǒng)使用了分級(jí)密鑰，那么每個(gè)扇區(qū)都會(huì)設(shè)置兩套獨(dú)立的密鑰。通訊方式為非接觸通訊，每個(gè)數(shù)據(jù)塊之間都設(shè)定了16位CRC糾錯(cuò)，每個(gè)字節(jié)都需要進(jìn)行奇偶校驗(yàn)位，通過編碼的方式對(duì)“1”、“0”或者無信息進(jìn)行區(qū)分。

1.2 基于MMX-VPU的人工智能處理單元設(shè)計(jì)

人工智能模塊內(nèi)部配有傳感器和CPU，傳感器上的數(shù)據(jù)和CPU程序上的數(shù)據(jù)不可以直接反饋給中心系統(tǒng)，需要在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行處理，通常采用的處理算法是機(jī)器學(xué)習(xí)算法。傳統(tǒng)的圖像處理算法在進(jìn)行信息識(shí)別時(shí)，必須要對(duì)每項(xiàng)信息數(shù)據(jù)進(jìn)行精準(zhǔn)地設(shè)置，但是機(jī)器學(xué)習(xí)算法是通過分析圖像數(shù)據(jù)來進(jìn)行識(shí)別的，靈活性更高。加入機(jī)器學(xué)習(xí)算法后的人工智能處理模塊可以同時(shí)完成生產(chǎn)工廠的視覺質(zhì)量檢驗(yàn)和圖像引導(dǎo)，效率更高，專業(yè)性更強(qiáng)。

在人工智能模塊的處理單元上安裝了VPU，該款VPU采用的是英特爾新款 Myriad X VPU芯片，并通過專用的硬件加速器實(shí)現(xiàn)加速工作。利用Myriad X進(jìn)行圖像處理和神經(jīng)網(wǎng)絡(luò)計(jì)算，Myriad X在計(jì)算機(jī)視覺領(lǐng)域中有著重要的地位，是計(jì)算機(jī)視覺應(yīng)用的先驅(qū)。單元內(nèi)部的嵌入式英特爾芯片可以在訓(xùn)練模型的基礎(chǔ)上，提高處理和數(shù)據(jù)評(píng)估的速度，加強(qiáng)人工智能模塊在工業(yè)自動(dòng)化領(lǐng)域的應(yīng)用范圍[7]。

在處理單元的集成接口上安裝可兼容的傳感器，通過傳感器來采集數(shù)據(jù)，被采集到的數(shù)據(jù)和CPU程序內(nèi)部數(shù)據(jù)在經(jīng)過神經(jīng)網(wǎng)絡(luò)處理后，還需要重新進(jìn)入CPU程序中完成評(píng)估。處理單元的外部框架選用的是Tensorflow開放式人工智能框架，大大提高運(yùn)行過程的開放性。基于MMX-VPU的人工智能處理單元處理過程如圖4所示。

圖4 基于MMX-VPU的人工智能處理單元處理過程

處理單元將AI算法邏輯融合到一起，有效降低應(yīng)用成本，在人工智能模塊中加入具有AI 功能的MyriadTMX視覺處理單元芯片，能夠大大提高神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)的處理效率。在中央機(jī)架Simatic控制系統(tǒng)的CPU后面、分布式I/P接口模塊的前面安裝TM NPU，安裝數(shù)量根據(jù)實(shí)際應(yīng)用情況決定。

處理單元通過神經(jīng)系統(tǒng)完成運(yùn)行，該神經(jīng)系統(tǒng)必須要在SD卡上經(jīng)過訓(xùn)練，利用千兆以太網(wǎng)和USB3.1兼容傳感器作為處理單元內(nèi)部集成接口[8]。利用背板總線獲得CPU數(shù)據(jù)，并將獲得的數(shù)據(jù)作為原始數(shù)據(jù)在CPU程序中進(jìn)行處理和分析，運(yùn)行過程如圖5所示。

圖5 CPU數(shù)據(jù)處理過程

處理模塊中使用的處理芯片名稱為Tensor Processing Units，簡(jiǎn)稱TPU，TPU芯片又稱張量處理器芯片，能夠有效加速神經(jīng)網(wǎng)絡(luò)，對(duì)大量數(shù)據(jù)庫進(jìn)行并行計(jì)算，并且在計(jì)算過程中確保消耗的能耗很低[9]。

芯片結(jié)構(gòu)如圖6所示。

圖6 TPU處理芯片

TPU內(nèi)部不主要是由運(yùn)算單元、數(shù)據(jù)單元、控制邏輯單元和I/O共同組成。TPU在設(shè)計(jì)時(shí)，縮短了控制單元所占空間，將縮小的空間應(yīng)用到存儲(chǔ)器和運(yùn)算單元中，因此芯片雖然只有其它芯片的一半，但是學(xué)習(xí)速度是傳統(tǒng)GPU的15～30倍，性能功耗比也能高出30～80倍，十分適合應(yīng)用到人工智能模塊中。

2 Simatic控制系統(tǒng)的人工智能模塊應(yīng)用功能

基于MMX-VPU的SIMATIC控制系統(tǒng)的人工智能模塊具有優(yōu)秀的識(shí)別功能和處理功能。識(shí)別單元中的傳感器采集到的信息會(huì)在處理單元內(nèi)部的神經(jīng)網(wǎng)絡(luò)中不斷訓(xùn)練，對(duì)圖像的各種參數(shù)進(jìn)行判別。通過STEP 7標(biāo)準(zhǔn)軟件包與數(shù)據(jù)進(jìn)行控制操作，包括編程、組態(tài)、模擬和維護(hù)等等。利用C7 PLC和SIMATIC WinAC對(duì)智能模塊中的PC設(shè)備進(jìn)行組態(tài)編程和維護(hù)，實(shí)現(xiàn)各項(xiàng)目的管理工作。編程和在線仿真的操作平臺(tái)為Windows平臺(tái)。

人工智能模塊中加入了基于PC的控制軟件，該軟件可以使用個(gè)人計(jì)算機(jī)完成程序的運(yùn)行，通過WinAC提供的軟件PLC和插槽PLC來實(shí)現(xiàn)人工智能模塊硬件PLC的識(shí)別和處理功能。由于控制系統(tǒng)智能模塊內(nèi)部的處理器完全兼容，所以可以采用統(tǒng)一的編程工具進(jìn)行編程，在S7系列的處理器上進(jìn)行操作。

通過應(yīng)用于機(jī)器級(jí)的ProTool和應(yīng)用控級(jí)的WinCC設(shè)計(jì)人機(jī)界面軟件，使人工智能模塊中的操作面板和標(biāo)準(zhǔn)PC都能夠在短時(shí)間內(nèi)很好地完成組態(tài)。除了作為組態(tài)軟件外，ProTool/Pro還可以監(jiān)控Windows系統(tǒng)的運(yùn)行狀況。利用WinCC監(jiān)控SIMATIC控制系統(tǒng)的數(shù)據(jù)，WinCC不僅能夠?qū)崿F(xiàn)數(shù)據(jù)監(jiān)控，還能夠進(jìn)行數(shù)據(jù)采集，操作簡(jiǎn)單、開放性強(qiáng)、可靠性高，將其與人工智能模塊中的PLC硬件進(jìn)行結(jié)合，有效減少項(xiàng)目的處理時(shí)間。

3 實(shí)驗(yàn)研究

3.1 實(shí)驗(yàn)?zāi)康?/h3>

為了檢驗(yàn)基于MMX-VPU的SIMATIC控制系統(tǒng)的人工智能模塊的工作效果，設(shè)計(jì)了實(shí)驗(yàn)研究，拍攝6組圖像作為實(shí)驗(yàn)場(chǎng)景。

3.2 實(shí)驗(yàn)參數(shù)與實(shí)驗(yàn)環(huán)境設(shè)計(jì)

設(shè)置實(shí)驗(yàn)參數(shù)如表1所示。

表1 實(shí)驗(yàn)參數(shù)

設(shè)定的實(shí)驗(yàn)環(huán)境如圖7所示。

圖7 實(shí)驗(yàn)環(huán)境

3.3 實(shí)驗(yàn)結(jié)果與分析

根據(jù)上述實(shí)驗(yàn)參數(shù)和實(shí)驗(yàn)環(huán)境進(jìn)行實(shí)驗(yàn)，同時(shí)選用傳統(tǒng)的SIMATIC控制系統(tǒng)以及加入本文研究的人工智能模塊的SIMATIC控制系統(tǒng)對(duì)4組圖像數(shù)據(jù)進(jìn)行識(shí)別和控制測(cè)試，得到的實(shí)驗(yàn)結(jié)果如下。

(1)識(shí)別效率測(cè)試：

傳統(tǒng)的SIMATIC控制系統(tǒng)以及加入本文研究的人工智能模塊的SIMATIC控制系統(tǒng)在對(duì)4組數(shù)據(jù)進(jìn)行識(shí)別時(shí)花費(fèi)的平均時(shí)間如表2所示。

表2 識(shí)別時(shí)間平均值對(duì)比結(jié)果

由表2可知，所提方法比傳統(tǒng)方法的平均識(shí)別時(shí)間快331.97/ms。根據(jù)圖像相對(duì)數(shù)據(jù)量和識(shí)別圖像花費(fèi)的時(shí)間計(jì)算出識(shí)別效率，得到的實(shí)驗(yàn)結(jié)果如圖8所示。

圖8 識(shí)別效率測(cè)試實(shí)驗(yàn)結(jié)果

由圖8可知，加入所提方法后，識(shí)別效率較加入之前提高了55%。人工智能模塊內(nèi)部的軟件識(shí)別程序可以對(duì)不同場(chǎng)景進(jìn)行區(qū)分識(shí)別，即使是復(fù)雜場(chǎng)景，軟件也可以將復(fù)雜信息過濾掉，從而提高識(shí)別效率。在進(jìn)行識(shí)別時(shí)，人工智能模塊會(huì)同時(shí)下發(fā)應(yīng)答指令、防沖突指令、選擇指令、驗(yàn)證指令、讀寫指令和傳輸指令，系統(tǒng)內(nèi)部的人工智能模塊各項(xiàng)設(shè)備同時(shí)工作，對(duì)復(fù)雜場(chǎng)景進(jìn)行識(shí)別，識(shí)別的信息會(huì)快速輸入到驗(yàn)證中心，通過驗(yàn)證中心檢驗(yàn)所識(shí)別的數(shù)據(jù)的準(zhǔn)確性，操作速度快，準(zhǔn)確性高，對(duì)于加強(qiáng)系統(tǒng)的整體運(yùn)行有重要效果。

(2)響應(yīng)時(shí)間測(cè)試：

圖9 響應(yīng)時(shí)間測(cè)試結(jié)果

由上圖可知，在對(duì)相同的數(shù)據(jù)量進(jìn)行控制時(shí)，加入人工智能模塊的SIMATIC控制系統(tǒng)花費(fèi)的響應(yīng)時(shí)間較未加入人工智能模塊的SIMATIC控制系統(tǒng)快0.5/ms。未加入人工智能模塊的SIMATIC控制系統(tǒng)在進(jìn)行數(shù)據(jù)量識(shí)別時(shí)需要耗費(fèi)大量的時(shí)間，且需要反復(fù)校驗(yàn)確保識(shí)別的準(zhǔn)確率，所有的識(shí)別項(xiàng)目都是逐一進(jìn)行的，而加入人工智能模塊的SIMATIC控制系統(tǒng)中的各項(xiàng)設(shè)備同時(shí)工作，所有軟件都會(huì)同時(shí)配合硬件工作，由監(jiān)控程序控制效果，大大節(jié)省響應(yīng)時(shí)間。

3.4 實(shí)驗(yàn)結(jié)論

根據(jù)上述實(shí)驗(yàn)結(jié)果，得到如下實(shí)驗(yàn)結(jié)論：

(1)基于MMX-VPU的SIMATIC控制系統(tǒng)的人工智能模塊具有很強(qiáng)的場(chǎng)景識(shí)別能力和信息處理能力，能夠在短時(shí)間內(nèi)實(shí)現(xiàn)特定場(chǎng)景信息識(shí)別，效率高、精度好；

(2)MMX-VPU的人工智能模塊不僅能夠識(shí)別低層視覺特征和低層聽覺特征，同時(shí)可以得到最佳狀態(tài)序列，將識(shí)別到的特征做成一個(gè)映射，通過映射來反映特征在時(shí)域上的聯(lián)系，從而更好地表達(dá)特征；

(3)尤其是在復(fù)雜環(huán)境下，MMX-VPU視覺卡能夠有效濾除掉雜亂信息背景，使特征點(diǎn)數(shù)目得到減少，進(jìn)而提高特征點(diǎn)的質(zhì)量；

(4)通過分析SIMATIC的控制效果可知，加入基于MMX-VPU的人工智能模塊后，系統(tǒng)的拓?fù)浣Y(jié)構(gòu)更強(qiáng)，靈活性更高，魯棒性更強(qiáng)；

(5)利用神經(jīng)網(wǎng)絡(luò)對(duì)得到的數(shù)據(jù)進(jìn)行訓(xùn)練，使環(huán)境背景音和噪音能夠完全融合到控制系統(tǒng)中，從而提高控制系統(tǒng)的工作效果。

4 結(jié)束語

人工智能模塊在未來的集成自動(dòng)化領(lǐng)域有著廣闊的發(fā)展前景，不僅可以幫助自動(dòng)化系統(tǒng)的控制邏輯更加靈活地面對(duì)環(huán)境變化，同時(shí)可以打造更加靈活地生產(chǎn)流程。本文設(shè)計(jì)的基于MMX-VPU的人工智能模塊由識(shí)別單元和處理單元兩部分組成，具有很強(qiáng)的控制能力，并可以幫助用戶根據(jù)所處環(huán)境和應(yīng)用目標(biāo)自主地調(diào)整解決方案的規(guī)模。

該人工智能模塊同時(shí)具備高靈活性、高質(zhì)量、高效率和高性價(jià)比的優(yōu)點(diǎn)，同時(shí)引用人工智能和機(jī)器算法，使SIMATIC控制系統(tǒng)在處理未知對(duì)象時(shí)更加輕松，不再需要耗費(fèi)大量的資源進(jìn)行編程，靈活性更高；可靠地質(zhì)檢專家知識(shí)可以直接輸入人工智能模塊，所有的神經(jīng)網(wǎng)絡(luò)模型都會(huì)利用上層網(wǎng)絡(luò)進(jìn)行訓(xùn)練，增加控制系統(tǒng)的質(zhì)量；在面對(duì)人工干預(yù)時(shí)，人工智能模塊會(huì)快速靈活地響應(yīng)，縮短停機(jī)時(shí)間，增加系統(tǒng)的實(shí)用能力；SIMATIC控制系統(tǒng)可以通過人工智能模塊在短時(shí)間內(nèi)檢測(cè)出生產(chǎn)遇到的問題，從而避免出現(xiàn)報(bào)廢產(chǎn)品，降低工作成本。