كم كمية ذاكرة DDR المطلوبة لنظام رؤية ذكي متعدد الكاميرات؟ (مع جدول اختيار معالج RK3576)

مع التقدُّم السريع في تطبيقات الرؤية الذكائية، اكتسبت الحلول متعددة الكاميرات (مثل الأنظمة ذات الكاميرتين أو الأربع كاميرات أو حتى أكثر من ذلك) انتشارًا واسعًا في سيناريوهات مثل جمع البيانات، والمراقبة الأمنية، والتفتيش الصناعي، وإدراك الروبوتات، والحوسبة الطرفية. وغالبًا ما تقع العديد من المشاريع في فخٍّ شائع أثناء اختيار المكوِّنات المادية: التركيز الحصري على قوة المعالجة الحاسوبية للرقاقة مع إهمال تكوين الذاكرة. ويؤدي هذا في النهاية إلى مشكلات مثل فقدان الإطارات، وبطء الاستنتاج الذكائي، وتعطل النظام.

هل كلما زادت سعة ذاكرة DDR كانت أفضل دائمًا؟ نعم، من حيث الأداء والاستقرار. لكن العيب واضح — فهي تثقل كاهل الميزانية، لا سيما في ظل الارتفاع الأخير الحاد في أسعار ذواكر DDR. وبالتالي، يصبح تحقيق التوازن بين التكلفة والمتطلبات الفعلية للمشروع أمرًا بالغ الأهمية عند اختيار الحلول.

فلننظر الآن إلى أكثر أخطاء تحديد سعة DDR شيوعًا: قد تبدو نسبة استخدام الذاكرة منخفضة في الظروف العادية، لكنها قد ترتفع فجأةً إلى قيم قصوى أثناء تزامن المهام، ما يؤدي مباشرةً إلى تعطل النظام. ويستخدم العديد من الفرق متوسط استهلاك الذاكرة لتقييم الأجهزة. فعلى سبيل المثال، يستهلك مستشعر AR0234 — الذي يُستخدم على نطاق واسع — كمية متواضعة من الذاكرة في وضع الاستعداد الخامل عند تشغيل كاميرا واحدة بدقة 1080 بكسل. ومع ذلك، عند تشغيل سلسلة المعالجة الكاملة (الالتقاط، ومعالجة الإشارات البصرية ISP، والاستنتاج الذكي الاصطناعي AI، والتشفير)، قد تصل ذروة استهلاك الذاكرة إلى عشرات الميغابايت لكل قناة. أما بالنسبة لكاميرا بدقة 4K، فقد تتجاوز ذروة الاستهلاك لكل قناة ١٠٠ ميغابايت. بل إن طلب HTTP عاديًّا يستهلك عدة ميغابايت لكل اتصال. وقد تبدو هذه الأعباء الفردية ضئيلة، لكنها تتراكم بسرعة كبيرة بمجرد تفعيل عدة كاميرات ومهمات في آنٍ واحد. وهذا قد يؤدي إلى خطأ نفاد الذاكرة (OOM)، ما يسبب إيقاف العمليات تلقائيًّا وفشل النظام.

أين تُستهلك الذاكرة في أنظمة الرؤية الذكية الاصطناعية متعددة الكاميرات؟

الذاكرة في أجهزة الرؤية الحافة لا تُستخدَم حصريًّا بواسطة نماذج الذكاء الاصطناعي. بل تُشارَك بين التقاط الصور، والمعالجة المبدئية، والاستنتاج الذكي الاصطناعي، وخدمات النظام، وأحمال التطبيقات. ويتصاعد استهلاك الذاكرة مع كل قناة كاميرا إضافية.

١. مخازن الصور (أكبر مصدر للاستهلاك الزائد) تستهلك الصور الأولية وإطارات YUV والإطارات المُنقَّحة التي تُخرِجها كل كاميرا جزءًا من الذاكرة. فعلى سبيل المثال، يشغل إطار واحد من صيغة YUV لكاميرا AR0234 تعمل بدقة ١٠٨٠ بكسل وبمعدل ٣٠ إطارًا في الثانية عدة ميغابايت. ولمنع فقدان الإطارات، يحتفظ النظام بمخازن حلقيّة متعددة الإطارات، ما يزيد أكثر من البصمة الذاكرية. كما أن إنشاء تنوعات متعددة من الصورة (الأصلية، والصغيرة، والمقطوعة) يولّد مخازن إضافية للإطارات. ويتفاقم استهلاك الذاكرة عند تشغيل عدة كاميرات في وقتٍ واحد.

٢. الاستهلاك الزائد الناتج عن معالج الإشارات الرقمية للصور (ISP) والمعالجة المبدئية للصور وحدة معالجة الإشارات الصورية (ISP) هي مُسرّع عتادي مستقل يُنفِّذ خفض الضوضاء، وتصحيح الألوان، وتصحيح التشوهات، والتدوير، والاقتطاع، وتحويل التنسيق. ولا تحتوي وحدة معالجة الإشارات الصورية سوى على ذاكرة مؤقتة مدمجة محدودة السعة، دون تخزين إطارات ذي سعة كبيرة. ولذلك، يجب تخصيص أقسام مؤقتة في الذاكرة الرئيسية (DDR) لتنفيذ العديد من العمليات. وكلما زاد عدد قنوات الكاميرا، ازدادت أعباء وحدة معالجة الإشارات الصورية وازدادت متطلبات سعة الذاكرة الرئيسية (DDR).

٣. الذاكرة المُستخدمة في استنتاج النماذج الذكية الاصطناعية يستهلك استنتاج الذكاء الاصطناعي الذاكرة في جزأين. أولهما أوزان النموذج: فكلما كبرت معايير النموذج، زاد استهلاك الذاكرة. ولحسن الحظ، تُحمَّل الأوزان مرة واحدة فقط عند بدء تشغيل النموذج؛ وبالتالي فإن حجم الذاكرة الذي تشغلُه لا يزداد مع زيادة قنوات الكاميرا أو التغير في السيناريوهات أثناء التشغيل.

هل تتأثر الذاكرة خلال مرحلة التشغيل الاستنتاجي؟ لا تتأثر إطلاقاً. وهذا يقودنا إلى المكوّن الثاني: مخازن الميزات الوسيطة التي تتولّد أثناء التشغيل الاستنتاجي. ويحتاج كل قناة كاميرا إلى ذاكرة حسابية خاصة بها، ما يرفع الاستهلاك الكلي للذاكرة. أما التشغيل الاستنتاجي المتزامن للذكاء الاصطناعي عبر عدة كاميرات فيتطلّب وجود عدة مخازن حسابية مستقلة. وبالتالي، فإن زيادة عدد القنوات تعني ارتفاعاً أكبر في عبء الذاكرة المخصصة لمخازن التشغيل الاستنتاجي.

٤. نظام التشغيل، وبرامج التشغيل، والبرمجيات الوسيطة فلنأخذ حلّنا البصري RK3576 مثالاً. فتستهلك ذاكرة النظام الأساسية عدّة مكوّنات: نواة لينكس، وبرامج تشغيل وسائط RK، وإطار عمل وسائط RKMPP، وبرامج تشغيل وحدة المعالجة العصبية (NPU)، وسجلات النظام، والعمليات الجارية. وفي حالات النشر متعدد الكاميرات، تضيف إطارات العمل الوسائطية وتشفير الفيديو (تسجيل بصيغتي H.264‏/H.265) عبئاً كبيراً على الذاكرة. كما أن تفعيل التشفير والتسجيل متعدد القنوات يؤدي إلى ارتفاع حادٍّ إضافي في ضغط الذاكرة.

ملاحظة هامة: هذا يشير إلى الذاكرة العاملة (RAM من نوع DDR)، وليس إلى تخزين eMMC. فتخزين eMMC يستخدم فقط لحفظ الملفات المصورة المشفرة.

5.الاستخدام -طبقة ذاكرة الأعمال تستهلك المنطق التطبيقي، الذي يشمل تفسير نتائج الاستنتاج، وتتبع الكائنات المتعددة، وإبلاغ البيانات، والتخزين المؤقت المحلي، وتخزين اللقطات، الذاكرة. فعلى سبيل المثال، تحتفظ خوارزميات التتبع ببيانات الأهداف عبر عدة إطارات. وكلما زاد عدد الكاميرات والكائنات التي يتم تتبعها، زاد حجم مجموعات البيانات واستهلاك الذاكرة على مستوى التطبيق.

أداء الذاكرة العملي على منصة RK3576

تُعَدّ معالج RK3576 معالجًا محليًّا رائدًا للذكاء الاصطناعي الحافة، ويقدّم أداءً قدره ٦ تيرافلوبس في وحدة معالجة الذكاء الاصطناعي (NPU)، وهو ما يجعله مناسبًا جدًّا لتطبيقات الرؤية بالذكاء الاصطناعي متعددة الكاميرات. ولشركتنا منتجات ناضجة عديدة قيد الإنتاج الضخم تدعم من قناة كاميرا واحدة إلى ست قنوات لتلبية متطلبات المشاريع المتنوعة. وتشكّل ذاكرة DDR سعة ٤ غيغابايت التكوين القياسي السائد في الإنتاج الضخم، بينما تتوفر أحجام بديلة من ذاكرة DDR لتناسب مختلف الأحمال التشغيلية.

الجدول التالي ينطبق على مستشعرات الكاميرات الشائعة في السوق بدقة تتراوح بين ١٠٨٠ بكسل و٤K:

إذا كنت غير متأكد من تهيئة الذاكرة المناسبة، يُرجى التواصل مع البريد الإلكتروني [email protected]. وسنقدّم تقييمًا مخصصًا للحل استنادًا إلى عدد قنوات الكاميرا، والدقة، والمنطق التجاري، وحمل التشغيل.