אופטיקה כמעבדי בינה מלאכותית: מדוע עדשות באיכות גבוהה הן חומת האש הראשונה לביצועי AI Edge

1. מס "צפיפות המידע" (MTF לעומת Compute)

כאשר עדשה גרועהMTF (פונקציית העברת מודולציה), במיוחד בקצוות, התמונה המתקבלת היא "בוצית". עבור אדם, זה רק קצת מטושטש. עבור מודל AI שמנסה לזהות חוט דק או מכשול רחוק, הטשטוש הזה הוא נתונים לאיבוד.

אם האופטיקה נמוכה, מפתח הבינה המלאכותית נוקט לעתים קרובות בחידוד תוכנה או מסנני שיפור קצה. זהו"מס מידע".אתה משלם בכוח GPU/NPU כדי לשחזר נתונים שהיו צריכים להיות שם מלכתחילה. עדשות High-MTF, כמו סדרת 5MP-13MP שלנו, מבטיחות שהאות הגולמי הוא בנאמנות גבוהה מההתחלה, מה שמאפשר ל-AI למקד את ה"אינטליגנציה" שלו בלוגיקה ברמה גבוהה ולא בניקוי ברמה נמוכה.

2. עיוות: ההשהיה החבויה של "דה-עווית"

בואו נדבר על עדשות בעלות זווית רחבה עבור AGVs. לעדשות מסורתיות יש לרוב עיוות משמעותי בטלוויזיה. כדי להפוך את התמונה לשימושית למיפוי מרחבי (SLAM), התוכנה חייבת "להתעקש" את התמונה.

למעשה, תגרד את זה - אל תחשוב רק על העיוות עצמו, תחשוב עלמתיחת פיקסלים. כאשר אתה מעוות תמונה בעלת עיוות גבוה, אתה מבצע אינטרפולציה דיגיטלית של פיקסלים. אתה מאבד רזולוציה בדיוק באזורים שבהם אתה הכי זקוק לה.

בְּShanghai Silk Optical, אנחנו נותנים עדיפותעיוות נמוך(לעתים קרובות <1% בקווים התעשייתיים המיוחדים שלנו). על ידי אספקת תמונה "אמיתית" מבחינה גיאומטרית, אנו מבטלים את הצורך באלגוריתמים כבדים לביטול עיוות. התוצאה? זמן אחזור נמוך יותר ומודעות מרחבית מדויקת יותר לרובוט שלך.

3. רוחות רפאים ו"נקודות חיוביות כוזבות"

ראיתי מודלים של AI מועדים על "רוחות רפאים" - השתקפויות פנימיות הנגרמות על ידי מקורות אור בהירים (כמו תקורה של מחסן או סנוור שמש). חפצים אלה מזוהים לעתים קרובות על ידי ה-AI כאובייקטים או הפרעות בפועל.

זה המקום שבו מדע החומר הופך ל"חומת אש". אנחנו משתמשיםזכוכית כחולהטכנולוגיה וציפוי פס רחב רב-שכבתי כדי לדכא את רוחות הרפאים וההתלקחויות הקשורות ל-IR. על ידי קליטת אור אינפרא אדום פנימי במקום רק החזרתו ברמת הציפוי, Blue Glass מספקת קלט ספקטרלי נקי ועקבי יותר. זהו "מסנן רעשים אופטי" שפועל במהירות האור - פשוטו כמשמעו.

4. מלכודת הסחף התרמית

בינה מלאכותית של Edge רק לעתים רחוקות נפרסת במעבדה. זה נמצא בתא מנועים חמים, בהיקפים חיצוניים קרים וקפואים, או במפעלים לחים.

כפי שציינתי בעבר (וזה לחזור על זה כי כל כך הרבה פעמים מתעלמים מזה),סחיפה תרמיתהוא רוצח בינה מלאכותית. אם נקודת המוקד של העדשה שלך משתנה כשהרובוט מתחמם, "ראיית 5MP" שלך הופכת לפתע לכתם של 1MP. ציון האמון של ה-AI שלך יורד מ-98% ל-60%, והמערכת נתקעת.

אנחנו משתמשיםפיצוי טמפרטורהעיצובים - תוך שימוש בחומרים בעלי מקדמי התפשטות תרמית נמוכים - כדי להבטיח שהמישור המוקד יישאר נעול. זה מספק ל-AI "קו בסיס עקבי", שהוא הגביע הקדוש לביצועי קצה אמינים.

למה משי אופטי?

אנחנו לא רק מייצרים זכוכית; אנו בונים את ה"קצה הקדמי" של צינור הנתונים שלך. עם קיבולת חודשית של6 מיליון עדשותוטביעת רגל עצומה ב-Boshi Intelligent Technology Park, אנו מגשרים על הפער בין "אופטיקה מדויקת" ל"קנה מידה תעשייתי".

• אינטגרציה אנכית:מייצור תבניות מדויק ועד מיון MTF אוטומטי SMA.

• תקנים:אישור IATF16949:2016 ו-ISO9001:2015.

• יישום ספציפי:בין אם זה ה-F1.0 שלנוסדרת Blacklightעבור AI בתאורה נמוכה או שלנוהיברידית זכוכית-פלסטיק 2G3Pעבור ראייה חסכונית של 5MP, אנו מתכננים עבור ה-CRA של החיישן והדרישות של ה-NPU.

השורה התחתונה:תפסיק להאשים את מודל הבינה המלאכותית שלך ב"הזיות" או בביצועים איטיים עד שתבדוק את האופטיקה שלך. אם העדשה שלך אינה מעבד טרום-מעבד איכותי, זה רק צוואר בקבוק.

בוא נדבר על איך לייעל את חומת האש האופטית שלך. יש לנו את עקומות ה-MTF כדי להוכיח את ההבדל.