هل يمكن لخادم منزلي تشغيل ذكاء اصطناعي مستمر للكاميرات دون وحدة معالجة رسومات منفصلة؟

نعم. يمكن لخادم منزلي تشغيل الذكاء الاصطناعي المستمر للكاميرات من دون بطاقة رسومات منفصلة. وتعتمد أفضل الإعدادات المدمجة عادةً على وحدة معالجة رسومات مدمجة لفك ترميز الفيديو، وعلى الاستدلال عبر OpenVINO في وحدة معالجة الرسومات المدمجة أو وحدة NPU في أنظمة Intel المدعومة. ويُعد مسرّع Coral خيارًا آخر. ويمكن أن ينجح الكشف باستخدام وحدة المعالجة المركزية وحدها على نطاق صغير، لكنه نادرًا ما يكون التصميم الأكثر كفاءة لنظام متعدد الكاميرات يعمل دائمًا.

يكمن المفتاح في فصل أحمال العمل الثلاثة التي غالبًا ما تُجمع تحت مسمى «الذكاء الاصطناعي للكاميرا»: فك ترميز الفيديو، وتحديد الإطارات التي تحتاج إلى الكشف، وتشغيل كاشف الشبكة العصبية. وتُعد وحدة معالجة الرسومات المنفصلة إحدى طرق تسريع هذه الطبقات، وليست الطريقة الوحيدة.

الذكاء الاصطناعي للكاميرا يتجاوز كاشف الكائنات

تدفق الكاميرا
     |
     v
فك ترميز الفيديو (H.264 / H.265)
     |
     v
إطارات الكشف منخفضة الدقة
     |
     v
كاشف الكائنات
     |
     +-- شخص / سيارة / حيوان
     |
     v
التتبع + التسجيل + الأحداث

إذا قامت وحدة المعالجة المركزية بفك ترميز عدة تدفقات عالية الدقة برمجيًا قبل بدء الاستدلال، فقد لا ينقذ كاشف فعال النظام. لذلك قد يكون فك ترميز الفيديو بالعتاد مهمًا بقدر تسريع اكتشاف الكائنات.

توصي إرشادات فك ترميز الفيديو الحالية في Frigate بشدة باستخدام تسريع وحدة معالجة الرسومات المدمجة أو المنفصلة، كما تدعم الرسومات المدمجة من Intel وAMD لهذه المهمة.

يمكن لوحدة معالجة الرسومات المدمجة في معالج Intel أن تفعل أكثر من عرض الرسومات

يمكن لمعالجات Intel الحديثة فك ترميز برامج الترميز الشائعة للكاميرات، كما يمكنها تشغيل الاستدلال عبر OpenVINO على الأجهزة المدعومة. تدعم وثائق كاشف الكائنات في Frigate استخدام OpenVINO على وحدات معالجة الرسومات Intel ووحدات NPU من Intel ووحدات المعالجة المركزية.

وهذا ما يجعل خادم Intel المنزلي منخفض استهلاك الطاقة مثيرًا للاهتمام على نحو خاص:

حزمة معالج Intel
  ├─ أنوية وحدة المعالجة المركزية      -> Frigate / Home Assistant / قاعدة البيانات
  └─ وحدة معالجة الرسومات المدمجة (iGPU)      -> فك ترميز الفيديو + الاستدلال عبر OpenVINO

لا تتطلب هذه المنظومة بطاقة رسومات عبر PCIe، ويمكنها الحفاظ على استهلاك الطاقة المنخفض في وضع الخمول، والهيكل المدمج، ومنفذ التوسعة المتاح، وهي أمور غالبًا ما تكون مهمة في أجهزة NAS أو الخوادم المنزلية.

ما مقدار ما يمكن لوحدة معالجة الرسومات المدمجة تحمله؟

لا يوجد عدد موحد للكاميرات، لأن حمل العمل يعتمد على دقة الدفق، وبرنامج الترميز، ومعدل الإطارات، ومعدل إطارات الكشف، واختيار النموذج، ونشاط الكائنات، والإثراءات، والخدمات الأخرى على المضيف.

تنشر صفحة الأجهزة الموصى بها الحالية في Frigate أزمنة استدلال مرجعية لعدة وحدات معالجة رسومات مدمجة من Intel، بما فيها معالجات سلسلة N منخفضة الطاقة. وتوضح هذه الأرقام أن الرسومات المدمجة يمكنها توفير زمن استجابة للكاشف مناسب لأحمال العمل المنزلية المعتادة، لكن ينبغي التعامل معها على أنها قياسات مرجعية لا عددًا مضمونًا للكاميرات.

تحدد البنية أكثر من مجرد عدد الكاميرات المعلن. استخدم دفق تسجيل عالي الجودة لحفظ الأدلة، ودفقًا فرعيًا أصغر للكشف متى كانت كاميراتك تدعم ذلك.

-15% OFF

ZimaBoard 2 - خادم منزلي صغير لأفكارك الكبيرة

Single board computer zimaboard2

$339.00 - $519.00

Buy Now

لماذا يكون الكشف المعتمد كليًا على وحدة المعالجة المركزية خط أساس غير مناسب عادةً

تضع Frigate علامة صريحة على كاشف TensorFlow Lite المعتمد على وحدة المعالجة المركزية باعتباره غير موصى به للاستخدام العام، وتذكر أن وضع وحدة المعالجة المركزية في OpenVINO يكون غالبًا أكثر كفاءة عند عدم توفر مُسرّع. وهذا تمييز مهم: «عدم وجود وحدة معالجة رسومات منفصلة» لا يعني «إجبار كل عمليات الذكاء الاصطناعي على المرور عبر شيفرة عامة لوحدة المعالجة المركزية».

لا تزال تجربة تعتمد على وحدة المعالجة المركزية فقط مفيدة لكاميرا واحدة أو اثنتين، أو لتكرار كشف منخفض، أو لإثبات الفكرة. لكن التشغيل المستمر لعدة كاميرات ينافس كل ما قد ينفذه الخادم المنزلي أيضًا—خدمات NAS، والحاويات، والنسخ الاحتياطية، وHome Assistant، وفهرسة الوسائط، والذكاء الاصطناعي المحلي.

عندما يظل استخدام وحدة المعالجة المركزية مرتفعًا لفترة مستمرة، يزداد زمن استجابة الأحداث، ويرتفع استهلاك الطاقة، وتفقد الخدمات الأخرى هامش التشغيل المتاح.

ما المسرّعات الأخرى التي تتجنب وحدة معالجة رسومات منفصلة؟

تسرد متطلبات النظام الحالية لـ OpenVINO أهدافًا تشمل Intel HD وUHD وIris وArc ووحدات NPU، ما يوضح إمكانية وجود تسريع الاستدلال داخل حزمة المعالج بدلًا من بطاقة منفصلة.

استخدم البثوث الفرعية لفصل جودة التسجيل عن تكلفة الذكاء الاصطناعي

لا تحتاج كاميرا 4K إلى استدلال بدقة 4K لكل إطار. تستخدم العديد من تصميمات مسجلات الفيديو الشبكية (NVR):

الكاميرا
  ├─ البث الرئيسي: 4K / معدل بت مرتفع -> التسجيل
  └─ البث الفرعي: 720p / معدل إطارات أقل   -> الكشف

يحدّد الكاشف الحدث من البث الأقل تكلفة، بينما يحتفظ مسجل الفيديو الشبكي بالتسجيل الأصلي عالي الجودة. ويقلل ذلك من نطاق فك الترميز وحركة البيانات في الذاكرة وتكلفة الاستدلال من دون التضحية بالأدلة المخزنة.

كيف يتوافق الذكاء الاصطناعي للكاميرا مع أعباء Home Assistant ووحدات التخزين المتصلة بالشبكة (NAS)؟

غالبًا ما يتعين على الخادم الذي يعمل دائمًا تنفيذ مهام تتجاوز معالجة الفيديو. فقد يستضيف Home Assistant والنسخ الاحتياطية ومشاركة الملفات ومكتبة وسائط واستدلالًا محليًا.

يسلّط تحليل ZimaSpace لـ توسّع المعالجة المحلية في Home Assistant الضوء على حدود الموارد المشتركة هذه: فالذكاء الاصطناعي المحلي يعزّز الاستقلالية، لكن وحدة المعالجة المركزية والذاكرة والمسرّعات وقوائم انتظار التخزين لا تزال تتطلب تخطيطًا صريحًا للسعة.

احتفظ بتسجيلات الكاميرات على طبقة تخزين مصممة لعمليات الكتابة المستمرة. واحتفظ بقاعدة البيانات والصور المصغرة وحالة التطبيق على وحدة تخزين أسرع إن أمكن عمليًا. وتجنّب أن يؤدي استدلال الذكاء الاصطناعي إلى استنزاف قدرة مسجل الفيديو الشبكي (NVR) على التسجيل بشكل موثوق.

منهج عملي لتحديد السعة

1. ابدأ بكاميرا واحدة وتأكد من أن فك ترميز الفيديو العتادي نشط فعلًا.
2. فعّل الكاشف المقصود وسجّل زمن الاستدلال الخاص به.
3. أضف الكاميرات باستخدام تدفقات الاكتشاف منخفضة الدقة الخاصة بها.
4. قِس استخدام وحدة المعالجة المركزية أثناء المشاهد الهادئة والمزدحمة على حد سواء.
5. اختبر التسجيل والتشغيل والنسخ الاحتياطي ونشاط Home Assistant في الوقت نفسه.
6. راقب زمن انتظار قائمة انتظار الاكتشاف بدلًا من مراقبة متوسط استخدام وحدة المعالجة المركزية فقط.
7. أضف التعرّف على الوجوه، أو البحث الدلالي، أو غير ذلك من عمليات الإثراء واحدةً تلو الأخرى.

لا تقدّر المتطلبات اعتمادًا على لقطات الليل الهادئة وحدها. فالرياح والأمطار والظلال وحركة المرور والحيوانات الأليفة وتعدد الأشخاص قد تؤدي إلى فترات اكتشاف أكثر ازدحامًا بكثير.

متى تصبح وحدة معالجة الرسومات المنفصلة جديرة بالاقتناء؟

تصبح وحدة معالجة الرسومات المنفصلة أكثر ملاءمة عندما تحتاج إلى نماذج أكبر، أو العديد من التدفقات عالية الدقة، أو تحليلات كثيفة للرؤية واللغة، أو عمليات إثراء متعددة للذكاء الاصطناعي في الوقت نفسه، أو سعة كافية لتشغيل نماذج اللغة الكبيرة محليًا من المسرّع نفسه.

وقد يكون هذا أيضًا الحل الأنظف عندما تكون الرسوميات المدمجة في وحدة المعالجة المركزية غير مدعومة أو مشبعة بالفعل بمهام تحويل ترميز الفيديو. الفكرة ليست أن وحدة معالجة الرسومات المنفصلة غير ضرورية، بل أن الذكاء الاصطناعي المستمر للكاميرات يمكنه تغطية نطاق أداء مفيد بشكل مفاجئ قبل أن تحتاج إليها.

الأسئلة الشائعة

هل يمكن لمعالج Intel N100 تشغيل Frigate من دون وحدة معالجة رسومات منفصلة؟

نعم، إذ يمكن لأنظمة Intel من سلسلة N المدعومة استخدام الرسوميات المدمجة وOpenVINO. وتعتمد السعة الفعلية على إعدادات التدفق، واختيار النموذج، وأحمال العمل الأخرى على الخادم.

هل يمكنني استخدام وحدة المعالجة المركزية فقط؟

للاختبارات الصغيرة، نعم. أما عمليات النشر المستمرة، فيوصي Frigate بمسارات كاشف مُسرَّعة عتاديًا؛ وقد يكون وضع OpenVINO على وحدة المعالجة المركزية أكثر كفاءة من كاشف TensorFlow Lite الأساسي على وحدة المعالجة المركزية.

هل أحتاج إلى تشغيل الذكاء الاصطناعي على تدفق 4K؟

لا. يُستخدم عادةً تدفق فرعي منخفض الدقة للاكتشاف، بينما يُسجَّل التدفق الرئيسي عالي الدقة بشكل منفصل.

الحكم النهائي

وحدة معالجة رسومات منفصلة اختيارية في العديد من عمليات نشر الذكاء الاصطناعي للكاميرات المنزلية. يمكن لوحدة معالجة الرسومات المدمجة المدعومة تفريغ مهمة فك ترميز الفيديو، وعلى منصات Intel تشغيل الاكتشاف عبر OpenVINO؛ كما يمكن لوحدة معالجة عصبية أو Coral توفير مسار استدلال فعال آخر. صمّم النظام حول تدفقات اكتشاف منخفضة الدقة، وقِس زمن انتظار قائمة الانتظار أثناء النشاط الفعلي، واحتفظ بالرسوميات المنفصلة لأحمال العمل التي تتجاوز فعلًا السعة المستمرة المتاحة للعتاد المدمج.