Sådan bruger du en direkte erstatninger (drop-in)-løsning til at fremskynde udviklingen af avancerede designs til overvågning af belægning

Overvågning af belægning spiller en vigtig rolle i bygningsautomatisering, sundhed, sikkerhed og tryghed. Selv om udviklere kan sammensætte passende løsninger til optælling af personer fra tilgængelige komponenter og udvikle de relevante algoritmer, kan dette være tidskrævende og dyrt. I en tid med øgede forventninger om hurtigere levering af løsninger med mere sofistikerede og opdaterede evner og funktioner, herunder understøttelse af krav om social afstand, er der behov for en enklere og hurtigere tilgang.

Denne artikel omhandler overvågning af belægning, og hvorfor det er blevet en så vigtig funktion. Derefter introduceres og beskrives det, hvordan man kommer i gang med et omfattende, end-to-end personoptællingssæt fra Analog Devices. Ved hjælp af sættet kan designere opfylde de forskellige krav til en voksende liste af sofistikerede applikationer baseret på funktionalitet til overvågning af belægning.

Hvorfor overvågning af belægning er vigtig

Evnen til at overvåge antallet af personer, deres placering og deres bevægelser i en bygning spiller en stadig større rolle i mange forskellige applikationer. Inden for automatiserede bygningsstyringssystemer (BMS) er evnen til at spore rumudnyttelse og bevægelser af brugere fortsat afgørende for at få det fulde udbytte af kontorer, mødelokaler og andre fællesområder. Under pandemisk opblussen er denne funktion med til at sikre, at beboerne kan opretholde en sikker afstand indendørs.

Selv når enkeltpersoner vender tilbage til kontorbygningerne, hjælper muligheden for at overvåge lokalebelægning virksomhederne med at begrænse energispild på det typisk store antal ubenyttede rum i bygningerne. Kontorbelægningsgraden, der allerede var nede på ca. 68 % i 2019 [a], faldt kraftigt under pandemien og vendte tilbage til kun ca. 32 % i midten af 2021 [b].

Ud over at optimere brugen af bygningsarealerne og hjælpe med at skabe social afstand er en aktiv måling af belægning imidlertid blevet afgørende for at dæmme op for det eskalerende energiforbrug. Ifølge World Green Building Council [1] tegner bygninger og byggeri sig for 39 % af alle CO2-emissioner på globalt plan. Mere specifikt tegner den energi, der bruges til at belyse, opvarme og køle bygninger, sig for 28 % af de globale CO2-emissioner. (De resterende 11 % vedrører kulstofomkostningerne i forbindelse med materialer og byggeri over hele bygningens livscyklus)

Efter at have været uændret i det meste af det sidste årti steg de bygningsrelaterede CO2-emissioner til et historisk højt niveau i 2019 på grund af øget energiefterspørgsel som følge af mere ekstremt vejr. Faktisk viste 2019 sig at være det varmeste år siden 2016, hvor globale vejrmønstre og stigende globale temperaturer kombineredes i en "perfekt storm" med usædvanligt varmt vejr.

Denne tendens til varmere vejr er fortsat, og 2020 bliver varmere end 2019. Som følge heraf omfatter de tre varmeste år, der hidtil er registreret, nu 2016 (1.), 2020 (2.) og 2019 (3.), ifølge US National Oceanic and Atmospheric Administration (NOAA) [2]. Tendensen fortsætter med juli 2021 som den varmeste måned, der nogensinde er registreret på verdensplan [3]. Da de fire måneder før juli hver især er placeret blandt de 10 varmeste måneder nogensinde [4], forventer NOAA, at 2021 sandsynligvis vil blive et af de 10 varmeste år, der nogensinde er registreret globalt set.

Globalt set er en mere effektiv udnyttelse af bygningsenergi en central del af de nationale strategier for at reducere de klimapåvirkende CO2-emissioner. For de enkelte virksomheder giver et reduceret energiforbrug direkte fordele for deres bundlinje og for deres medarbejderes velbefindende.

På trods af den voksende betydning af grundlæggende belægningsdata for at minimere energiforbruget er de fleste virksomheder afhængige af data fra adgangsbilletudtræk eller visuel observation - ingen af disse kan give de præcise, opdaterede oplysninger om rumudnyttelse, der er nødvendige for effektiv energistyring af bygninger. Der er behov for en mere effektiv måde at registrere tilstedeværelse på.

Implementering af en løsning til registrering af belægning

Design og implementering af en automatiseret løsning til registrering af tilstedeværelse kræver ekspertise på flere områder for at kombinere sensorer, lav-effekt-processorer og tilslutningsmuligheder med nøjagtige algoritmer til optælling af personer til komplette applikationer, der kan reagere øjeblikkeligt, når folk kommer ind og forlader indendørs rum. Det kræver tid og ressourcer at udvikle og støtte dette. Analog Devices tilbyder en mere enkel vej: ADSW4000 EagleEye, en komplet 2D vision-sensor-baseret direkte erstatninger (drop-in)-platform med lav effekt og lav båndbredde, der er designet specielt til at levere opdaterede data for at optimere pladsudnyttelsen og minimere energiforbruget.

Sættet omfatter Analog Devices' proprietære People Count-algoritme, der kører på et medlem af Analog Devices' ADSP-BF707-serie af Blackfin digitale signalprocessorer (DSP'er). ADSW4000 EagleEye leverer udnyttelsesdata for separate indendørs rum, så virksomheder kan balancere udnyttelsen af kontorlokaler og energiforbrug for at opnå maksimal nytteværdi.

Fordi EagleEye-algoritmen udfører sine billedanalyse- og persontællingsopgaver udelukkende på Blackfin-processoren, sikrer EagleEye-algoritmen, at alle billeder forbliver på ADSW4000, så ingen personligt identificerbare oplysninger nogensinde forlader platformen, hvilket er i overensstemmelse med en voksende mængde af globale regler om beskyttelse af personlige oplysninger. Faktisk er de resultater, der genereres af Blackfin-processoren, begrænset til en datapakke, der indeholder antallet af personer i et overvåget interesseområde (ROI), deres x,y-position i området, og hvorvidt de er i bevægelse eller ej.

Analog Devices integrerer sin ADSW4000 EagleEye People Count-platform ADSW4000 i EVAL-ADSW4000KTZ EagleEye-testkit for at fremskynde udviklingen af applikationer til overvågning af belægning på højt niveau. Prøvekittet, der fungerer som en komplet sensor-til-cloud nøglefærdig implementering af EagleEye-algoritmen, gør det muligt for brugerne at implementere overvågning af belægning med det samme ved hjælp af den tilgængelige app og det cloud-baserede online dashboard. Alternativt kan sættet tjene som grundlag for brugerdefinerede systemer, så udviklerne kan fokusere på deres applikationer på højere niveau i stedet for detaljerne i implementeringen af deres egne metoder til optælling af personer.

Individuelle delsystemer fremskynder gennemførelsen

EagleEye-prøvesættet består af et par delsystemer, hvor et delsystem er baseret på Blackfin DSP'en til at generere data til optælling af personer, og et separat delsystem er baseret på Analog Devices' ADuCM4050-mikrocontroller-enhed (MCU) til at håndtere tilslutningsmuligheder og applikationsfunktionalitet på højere niveau (figur 1). Som tidligere nævnt ligger den kritiske funktionalitet til optælling af personer i prøvesættets EagleEye DSP-subsystem, der kører ADSW4000 EagleEye-algoritmen.

Figur 1: I Analog Devices' EagleEye-prøvesæt indsamler og behandler et DSP-undersystem billeder ved hjælp af ADSW4000 EagleEye PeopleCount-algoritmen, der kører på et medlem af Analog Devices' ADSP-BF707 Blackfin DSP-serie. (Billedkilde: Analog Devices)

Til billedindsamling fra det pågældende område bruger delsystemet et 2D vision sensormodul baseret på Onsemi's ASX340AT3C00XPED0-DPBR CMOS digital billed system-on-chip (SoC) kombineret med et infrarødt (IR) filter. EagleEye PeopleCount ADSW4000-algoritmen, der arbejder med Analog Devices' EagleEye-rammetjenester, kører på ADSP-BF707 Blackfin DSP'en ved hjælp af ISSI'sIS25LP512M 512 megabit (Mbit) seriel flashhukommelse og Micron Technologys MT46H64M16LF 1 gigabit (Gbit) DDR (synkron dynamisk hukommelse med dobbelt datahastighed) med lavt strømforbrug (SDRAM).

I dette delsystem er ADSP-BF707 Blackfin DSP'en velegnet til at håndtere de komplekse billedindsamlings- og behandlingsopgaver, der kræves til optælling af personer. Dens signalbehandlingspipeline omfatter flere hardware multiplikations-akkumuleringsenheder (MAC) sammen med SIMD-funktioner (single instruction, multiple-data).

ADSW4000 ADI EagleEye PeopleCount-algoritmen ADSW4000, der kører på ADSP-BF707 Blackfin-processoren, opnår en op til 90 % nøjagtig optælling inden for målområdet. Lige så vigtigt er det, at delsystemet returnerer resultaterne hurtigt. F.eks. skal delsystemet kun bruge 300 millisekunder (ms) fra det tidspunkt, hvor en person træder ind i et ROI, til at identificere, at det er skiftet fra en tom tilstand til tilstanden i brug. Den tid, der kræves for at identificere en ændring i ROI-tilstand fra i brug til tom, kan konfigureres af brugeren, med en standardindstilling på fem minutter.

Latency er ligeledes lav for genererede data om antal personer og placering. Algoritmen leverer opdaterede data om antal personer og placering inden for 1,5 sekunder, efter at en person bevæger sig ind i en zone, der er defineret af brugeren under idriftsættelsen. Når algoritmen har opdaget en person, skal algoritmen kun bruge 113 ms til at levere opdaterede data om antal og placering.

Som nævnt ovenfor overfører Analog Devices' EagleEye-platform ikke nogen registrerede billeder. I stedet bruger DSP'en sin universelle asynkrone modtager-transmitter-port (UART) i push-tilstand til at sende metadata om belægning. Denne metadatapakke, der sendes i JSON-format, indeholder belægningsstatus (i brug eller tom), antal personer, personernes placering som x,y-koordinater samt andre data (tabel 1).

Tabel 1: Analog Devices' EagleEye-algoritme opretholder brugernes privatliv ved ikke at overføre personligt identificerbare oplysninger, men i stedet generere en pakke, der indeholder de metadata, der er anført her. (Tabelkilde: Analog Devices)

Nedstrøms DSP-subsystemet kører ADuCM4050 MCU-subsystemet i AWS FreeRTOS-miljøet og understøtter EagleEye-applikationen på højt niveau og de forbindelsestjenester, der er nødvendige for idriftsættelse af sensoren og kommunikation med Analog Devices' tilhørende cloud-baserede tjeneste (figur 2).

32-bit ADuCM4050 MCU'en tilbyder et omfattende behandlingsmiljø til IIoT-applikationer (Industrial Internet of Things) som Analog Devices' EagleEye. ADuCM4050 bygger på en Arm®Cortex®-M4F-processorkerne på 52 megahertz (MHz) med integreret FPU (Floating Point Unit), MPU (Memory Protection Unit), hardware-kryptografisk accelerator og beskyttet nøgleopbevaring for at understøtte komplekse arbejdsbelastninger i industrielle applikationer.

Figur 2: Baseret på Analog Devices' ADuCM4050 understøtter EagleEye-prøvesættets MCU-subsystem IIoT-applikationen på højere niveau og leverer forbindelsestjenester lokalt og mellem sættet og skyen eller andre bygningsstyringssystemer. (Billedkilde: Analog Devices)

Et sæt integrerede strømstyringsfunktioner, herunder flere strømstyringstilstande og clock gating-funktioner, gør det muligt for enheden at opnå lav strømudførelse. Som et resultat heraf kræver MCU'en kun 41 mikroampere pr. megahertz (μA/MHz) (typisk) i aktiv tilstand og 0,65 μA (typisk) i dvaletilstand. I inaktive perioder bruger processoren kun 0,20 μA (typisk) i den hurtige opvågningsafbrydelsestilstand eller kun 50 nanoampere (nA) i fuld afbrydelsestilstand.

Sådan begynder du hurtigt at tælle folk

I testkittet kombinerer Analog Devices DSP- og MCU-subsystemerne med en kamerasensor, en linse, lysdioder og knapper i en kompakt pakke (figur 3).

Figur 3: 2D vision-sensoren i Analog Devices' EagleEye-testkit er designet til hurtig implementering og kan nemt monteres over et område af interesse for optælling af personer. (Billedkilde: Analog Devices)

Udviklere kan hurtigt implementere optælling af personer ved blot at montere sensorenheden i et rum eller indendørs rum direkte over et område af interesse. Sensoren kan bruge strøm fra en række forskellige kilder. Brugerne kan føre en ledning til enhedens DC-stik for at levere en 5,5 til 36 volt DC-kilde eller forsyne den ved at levere en USB-strømkilde ved hjælp af et mikro-USB-kabel eller en aktiv USB-forlænger til afstande på over 1 meter (m).

Efter montering af sensorenheden kan brugerne visuelt bekræfte sensorens placering og det ønskede synsfelt (FOV) ved hjælp af den tilhørende EagleEye PeopleCount-app, der er tilgængelig i Apple App Store til iOS-tablets eller på Google Play til Android-tablets (Figur 4).

Figur 4: Analog Devices' EagleEye PeopleCount-app gør det nemt at bekræfte placeringen af sensorenheden før idriftsættelse. (Billedkilde: Analog Devices)

Når brugerne har bekræftet sensorens FOV, fortsætter de med den korte idriftsættelse af enheden. Under idriftsættelsen og senere under driften kan brugerne observere de DSP- og MCU-lysdioder, der er indbygget i sensorenheden, for at overvåge den aktuelle status for de respektive delsystemer (tabel 2).

Tabel 2: Separate lysdioder, der er indbygget i Analog Devices' EagleEye-testkit-sensorenhed, giver en løbende indikation af tilstanden af DSP- og MCU-undersystemerne. (Tabelkilde: Analog Devices)

Appen hjælper brugerne gennem de få trin, der er nødvendige for idriftsættelse af sensoren. I denne proces angiver brugerne, hvilke områder algoritmen skal overvåge inden for FOV'et ved at markere en række inkluderende masker, f.eks. gulvmasken (Figur 5, venstre). Områder, der skal udelukkes, er lige så vigtige for nøjagtige optællinger. Under idriftsættelsesprocessen giver den tilhørende app brugerne mulighed for at angive forskellige udelukkelsesmasker, f.eks. vinduer og skærme (Figur 5, til højre).

Figur 5: Under idriftsættelsen benytter brugerne den tilhørende app til at identificere områder, som EagleEye PeopleCount-algoritmen skal undersøge eller ignorere, ved hjælp af inkluderende masker som f.eks. gulvmasken (til venstre) og eksklusive masker (til højre) for vinduer eller andre områder, der forringer nøjagtigheden af personoptællingen. (Billedkilde: Analog Devices)

Når sensorenheden er monteret og idriftsat, begynder den at sende sine metadata til Analog Devices' sky. Ved at logge ind i skyen med de legitimationsoplysninger, der blev givet under registreringen, kan brugerne undersøge en række grafiske repræsentationer af belægningen (figur 6).

Figur 6: Efter montering og idriftsættelse af Analog Devices' EagleEye-prøvesæt-sensorenhed kan brugerne logge ind på et online dashboard i Analog Devices' cloud for at se belægningsdata i realtid. (Billedkilde: Analog Devices)

Analog Devices' EagleEye PeopleCount-teknologiplatform kan indlejres i brugerdefinerede designs, der er bygget med den relevante Blackfin-processor og passende ekstern flashhukommelse. Analog Devices stiller også EagleEye-softwarepakken til rådighed for registrerede prøvekits-kunder. For det efterfølgende MCU-subsystem kan udviklere levere yderligere funktionalitet, herunder flere sensorer, ved hjælp af et hvilket som helst systemplatformdesign, der kan køre EagleEye-sensorinterfacen og levere den nødvendige tilslutningsmulighed. For udviklere, der ønsker hurtigt at anvende registrering af folk i deres bygningsstyringssystemer, tilbyder Analog Devices EagleEye-prøvesæt en nøglefærdig sensor-til-sky-løsning.

Konklusion

Da virksomheder betaler prisen for et betydeligt energiforbrug i bygninger fra belysning, opvarmning og køling af kontorer, er der behov for mere præcise data om belægning af kontorlokaler, som ofte er ledige, og derfor er der behov for effektiv ressourceforvaltning. Baseret på en proprietær algoritme, der kører på en digital signalprocessor med lav effekt, giver ADSW4000KTZ Prøvesæt en omfattende sensor-til-sky-platform til evaluering og implementering af overvågning af belægning, der kan levere de data om belægning på rumniveau i realtid, som er nødvendige for en mere effektiv energistyring af bygninger.

Referencer

1. https://www.worldgbc.org/news-media/WorldGBC-embodied-carbon-report-published
2. https://www.ncdc.noaa.gov/sotc/global/202107/supplemental/page-1
3. https://www.noaa.gov/news/its-official-july-2021-was-earths-hottest-month-on-record
4. https://www.noaa.gov/topic-tags/monthly-climate-report

1. https://www.us.jll.com/en/space-utilization
2. https://www.kastle.com/safety-wellness/getting-america-back-to-work/