1. Ryzen Embedded平台与机器视觉集成导论
机器视觉系统正在从传统的“工业相机 + 工控机 + 独立显卡”分立架构，向高集成度、低功耗、长生命周期的嵌入式平台迁移。AMD Ryzen Embedded 系列处理器凭借 Zen 架构的通用算力、Radeon Vega 或 RDNA 集成显卡的并行算力，以及 10 年以上的供货周期承诺，成为这一迁移过程中极具代表性的选择。本章作为全课程的起点，先建立三个基本认知：Ryzen Embedded 产品线如何分层、机器视觉系统由哪些环节构成、以及把两者“集成”到一起时真正困难的地方在哪里。
一、课程要解决的问题
本课程的目标不是泛泛介绍“嵌入式 AI”，而是围绕一条可落地的技术路径展开：在 Ryzen Embedded 平台上完成从相机取像、图像预处理、推理加速到结果输出的完整链路，并让这条链路在功耗、散热、实时性和成本约束下稳定运行。学完本课程后，读者应当能够独立完成平台选型、接口规划、软件栈搭建、性能评估与常见故障定位，而不是停留在“知道有这个东西”的层面。
需要特别说明的是，机器视觉的“集成”包含两层含义。第一层是硬件集成：相机、光源、触发信号、处理器、存储与通信接口之间的电气与时序匹配。第二层是软件集成：驱动、图像采集库、推理运行时、业务逻辑与上位机协议之间的协同。两层中任何一层出问题，最终表现都可能是“帧率上不去”或“偶尔丢帧”，因此本课程会反复强调从信号链和数据流的角度定位问题。
二、Ryzen Embedded 产品线概览
Ryzen Embedded 并非单一型号，而是按算力、功耗与图形能力划分的多个系列。理解分层的意义在于：机器视觉任务对 CPU、GPU、NPU（部分型号）和 I/O 的需求比例差异很大，选错层级会导致要么算力浪费，要么瓶颈卡死。
| 系列 | 典型定位 | 算力与图形特征 | 适合的视觉任务 |
|---|---|---|---|
| V1000 / V2000 | 低功耗入门 | Zen + Vega，TDP 约 6–25 W | 单路相机、传统图像处理、轻量分类 |
| V3000 | 中端主流 | Zen 3 + Radeon，TDP 约 10–54 W | 多路相机、目标检测、边缘推理 |
| R1000 / R2000 | 高能效比 | Zen + Vega，强调每瓦性能 | 长时间运行的检测与识别 |
| EPYC Embedded 3000/7000 | 高算力服务器级 | 多核 + 高内存带宽 | 多相机高吞吐、集中式视觉服务器 |
选型时不能只看型号数字。以 V3000 为例，同一系列内不同 SKU 的 CPU 核心数、GPU 计算单元数量和 PCIe 通道数都可能不同，而这些参数直接决定能接几路相机、能否跑动某个检测模型。一个实用的判断顺序是：先确定相机路数与分辨率，算出原始数据带宽；再确定推理模型与目标帧率，估算算力需求；最后用功耗和散热条件反向约束型号。
三、机器视觉系统的组成
一个完整的机器视觉系统可以拆成五个环节：成像、采集、处理、决策与执行。成像环节包括相机、镜头、光源和触发；采集环节负责把传感器数据通过 GigE Vision、USB3 Vision、MIPI CSI-2 或 Camera Link 送入处理器；处理环节完成去噪、校正、分割、特征提取和推理；决策环节根据结果判断 OK/NG 或输出坐标；执行环节驱动 PLC、机械臂或分拣机构动作。
Ryzen Embedded 平台主要承担采集、处理与决策三个环节，但它与成像和执行环节之间存在强耦合。例如，光源触发与相机曝光的时序如果与处理线程调度冲突，就会出现运动模糊或丢帧；执行机构的响应延迟如果大于处理周期，整条产线的节拍就无法达标。因此集成工作必须把平台放回整个系统中考虑，而不是孤立地调优处理器。
四、集成挑战的真实来源
很多初学者以为集成的主要工作是“装驱动、跑通 Demo”，但实际项目中最耗时的往往是三类问题。第一类是带宽与内存问题：两路 500 万像素、30 fps 的相机，原始数据率约为 2 × 5 MP × 30 × 1.5 B ≈ 450 MB/s，如果再加上推理时的张量拷贝，内存带宽很容易成为瓶颈。第二类是实时性问题：Linux 默认的 CFS 调度器并不保证采集线程的确定性，一次意外的页错误或 GC 就可能导致丢帧。第三类是散热与功耗问题：嵌入式机箱往往没有风扇，持续满载时处理器降频，帧率随之波动。
这三类问题的共同点是：它们不会在“跑单帧 Demo”时暴露，只会在连续运行、多路并发或长时间工作后出现。因此本课程后续会强调用压力测试和长稳测试来验证集成质量，而不是用一次成功的推理结果作为验收依据。
五、典型应用场景与选型直觉
在表面缺陷检测中，相机分辨率高、帧率中等，瓶颈通常在图像预处理和推理算力，适合 V3000 及以上型号。在定位引导中，帧率高、分辨率中等，瓶颈在采集延迟和通信实时性，需要关注 PCIe 通道与网卡配置。在字符识别中，图像尺寸小但数量多，瓶颈在批处理效率与内存占用，适合用 GPU 批量推理。在多相机集中式检测中，数据吞吐是首要约束，可能需要 EPYC Embedded 级别平台配合高速网络。