【大联大世平Intel®神经计算棒NCS2试用体验】半成品检验识别-结项

首先感谢电子发烧友与大联大世平Intel提供的这次试用机会。

经过这两个月的学习使用，初步了解了AI图像处理用到的软件各种工具。其中工具软件的搭配，版本的兼容性，都是需要反复的安装，总之各种坑。后来浏览了多家william hill官网 ，官方的、电子william hill官网 懵懵懂懂一路摸索过来，也算了解了很多这方面的知识，积累了一点点经验，知道是从哪里入手，进行的步骤，需要的软件和硬件。

摘要      

当时是有个想法，通过使用NCS2神经计算棒作为边缘计算，提高半成品的检测速度，提高工作效率，当然了边缘计算也是后来在学习的过程中知道的。就是想达到拿到半成品板子通过计算机识别设备扫一扫就能知道哪个元件没焊接或没焊上，然后有的放矢，针对性处理解决。

在实践中发现手边没有树莓派、i.MX RT1050、i.MX RT1050跨界板等类似的板、集成摄像头模组的硬件，就定下使用笔记本电脑的摄像头作为输入信号，笔记本电脑加NCS2作为目标物体识别，判定。
目录
一、项目调研
二、数据集的制作
三、模型的训练
四、软件、硬件的安装
五、测试
六、总结

          一、项目调研

经过对网上的焊点数据集查找，没有找到这方面合适的，看来需要自己作素材进行训练。因地制宜，拍照片时用手机还是比电脑的摄像头清晰很多。电脑的摄像头是100W像素，手机是800W像素，不知道效果会不会造成识别错误，误报，也就是正确率低下。

按以下框图进行设计

缺少建模与训练工具。拍照尽量多的图片,训练图片然后画框，使用labellmg软件画矩形框，注意标注的标签文件和图片一定要名称一样，后缀不同。并且存放到同一目录。样本和迭代次数越多越准确。

后来发现YOLOV3也可以训练数据，就选了个小板，元件不多，只要是检测贴片电阻或电容没焊接或漏一只焊脚的检测。验证能否实现，置信值情况。

     

训练次数不是很多，数据集也不是很大，所以结果还不是很准确。

       三、训练软件也可以购买一些做好的商业软件。例如大大通的推荐的LEADERG AI ZOO (人工智能软件)进行训练，训练结果用于后期的深度推理和神经网络计算。

作为训练助手还是很好的，另外国内也有一些专业开发的训练软件可以使用，对于爱好者还是自己做做试试，尝试一下提高更快。

      四、软件安装

开源的软件虽然版权没有付费，但是存在有些匹配问题。这点上问题多多。

Intel®神经计算棒2由Intel Movidius™X VPU提供支持，可提供业界领先的性能、功率和功耗。该神经计算棒支持OpenVINO™，这是一款可加快解决方案开发并简化部署的工具包。神经计算棒2代简单易用，可即插即用，并支持常用框架和开箱即用的示例应用程序。可以使用具有USB端口的任何平台进行原型设计和操作，而不必依赖云计算。Intel NCS 2可实现每秒4万亿次运算，与前几代产品相比，性能提升了8倍。

INTEL NCS2的安装

         1、开发环境安装的搭配

         2、Intel神经计算棒插入电脑中，测试开发环境

3、将Intel神经计算棒插入WIN10的USB口，使用CMD命令终端，在终端中输入代码:

NCS看作是一个USB供电的GPU，尽管这有些夸大——因为它并不是一个GPU，而且只能用于预测/推理，而不是训练。

部署：

如果没有硬件支持如树莓派等来做边缘计算，如果是PC来做的话，应用神经计算棒的意义不太明显，毕竟性能与PC性能差别还是比较大。也可以在PC电脑前加装图像采集卡的高清输入设备输入高质量的图像，后面使用神经计算棒加速验证，执行推理，分类，对象检测等。

        五、测试

硬件组成：笔记本电脑、神经计算棒NCS2、半成品板

软件：运行OpenVINO库的python文件

         

选了几幅识别比较好的。判断有误还是比较高的，还需要深入提高。

六、总结：

源于平时生产过程的检验，每家电子设备厂家都会有这样的需要，不论是贴片SMT生产线还是人工焊接，人工检查如果能够由计算机识别提醒，会很快的提高工作效率，需要改进的很多，这方面知识是很浅。要搞懂一大堆数学、人工智慧理论、程式撰写方式、系统框架和硬体架构，还得懂得如何建立资料集、训练及优化（加速）模型，难度还是很大的。