ZeroMQ 在视觉系统中的应用

ZeroMQ 在视觉系统中的应用

• ZeroMQ：视觉系统的"隐形通信高速公路"
• [🧩 ZeroMQ 是什么？](#🧩 ZeroMQ 是什么？)
• [🧐 为什么视觉系统需要 ZeroMQ？](#🧐 为什么视觉系统需要 ZeroMQ？)
• [🎯 视觉系统三大典型用法](#🎯 视觉系统三大典型用法)
• • [1️⃣ 相机 → 算法：**推拉模式（PUSH/PULL）**](#1️⃣ 相机 → 算法：推拉模式（PUSH/PULL）)
  • [2️⃣ 算法 → 多方：**发布/订阅（PUB/SUB）**](#2️⃣ 算法 → 多方：发布/订阅（PUB/SUB）)
  • [3️⃣ 中心调度：**请求/应答（REQ/REP）**](#3️⃣ 中心调度：请求/应答（REQ/REP）)
• [🛠️ 核心实战：三大模式在视觉中的应用](#🛠️ 核心实战：三大模式在视觉中的应用)
• [💻 代码一瞥：Python 实现"推-拉"视频流](#💻 代码一瞥：Python 实现“推-拉”视频流)
• [⚖️ 优缺点分析：它适合你吗？](#⚖️ 优缺点分析：它适合你吗？)
• [✅ 为什么视觉系统特别需要它？](#✅ 为什么视觉系统特别需要它？)
• [⚠️ 注意事项](#⚠️ 注意事项)
• [💡 一句话总结](#💡 一句话总结)

ZeroMQ：视觉系统的"隐形通信高速公路"

做多相机、多工位、边缘+中心协同的视觉系统时，

你是不是常被这些问题困扰？

"相机和算法模块怎么高效传图？"

"结果要同时发给 PLC、MES 和 UI，代码乱成一锅粥！"

"换台机器部署，通信又得重写？"

试试 ZeroMQ（ØMQ） ------ 一个轻量、高性能、跨语言的消息通信库 ，

它可能是你架构里缺的那块"拼图"。

---

🧩 ZeroMQ 是什么？

• 不是传统 MQ（如 RabbitMQ），无 Broker，零依赖
• 像"套接字"一样编程，但内置 发布/订阅、请求/应答、推拉 等模式
• 支持 TCP、IPC、进程内通信，自动重连、队列缓冲
• C# 可通过 NetMQ（纯托管实现）直接使用

---

🧐 为什么视觉系统需要 ZeroMQ？

在复杂的视觉项目中，我们通常采用模块化设计：

1. 采集模块：负责从摄像头/RTSP流拉取画面。
2. 推理模块：负责跑 YOLO、ResNet 等模型。
3. 展示/存储模块：负责 Web 显示或写入数据库。

如果这些模块跑在不同的进程甚至不同的机器上，如何高效传输图像数据？

• 传统方案：共享内存（开发复杂）、HTTP请求（开销大）、RabbitMQ（太重）。
• ZeroMQ方案：极速、灵活、支持多种模式。

---

🎯 视觉系统三大典型用法

1️⃣ 相机 → 算法：推拉模式（PUSH/PULL）

• 相机端 PUSH 图像帧
• 算法端 PULL 处理
• 多算法节点可并行 PULL，天然负载均衡

// 相机端（推送）
using var push = new PushSocket();
push.Bind("tcp://*:5555");
push.SendFrame(imageBytes);

// 算法端（拉取）
using var pull = new PullSocket();
pull.Connect("tcp://localhost:5555");
var frame = pull.ReceiveFrameBytes();

---

2️⃣ 算法 → 多方：发布/订阅（PUB/SUB）

• 算法结果只需 Publish 一次
• PLC、UI、日志模块各自 Subscribe 感兴趣的消息

// 发布检测结果
pub.SendMoreFrame("RESULT").SendFrame(JsonResult);

// UI 订阅所有 RESULT
sub.Subscribe("RESULT");

✅ 避免"if 要发给 PLC、else if 要发给 MES..."的硬编码！

---

3️⃣ 中心调度：请求/应答（REQ/REP）

• 上位机 REQ："工位3，开始检测！"
• 边缘盒子 REP："OK，结果如下..."

适用于 手动触发、参数下发、状态查询 等交互场景。

---

🛠️ 核心实战：三大模式在视觉中的应用

ZeroMQ 支持多种通信模式，在视觉开发中，最常用的有以下三种：

1. 流水线模式：构建负载均衡的推理集群

这是最经典的"生产者-消费者"模型。

• 场景：你有 1 个视频流采集端，但有 3 个不同的 GPU 服务器负责推理。
• 玩法 ：使用 PUSH (发送端) 和 PULL (接收端)。
• 效果：采集端只管把图像帧推出去，ZeroMQ 会自动把任务分发给空闲的推理节点。谁快给谁，天然实现负载均衡！

2. 发布-订阅模式：一对多的实时监控

• 场景：你需要同时把视频流推送到 Web 端展示，又要推送到算法模块做分析，还要存盘。
• 玩法 ：使用 PUB (发布端) 和 SUB (订阅端)。
• 效果：采集端发布一次图像，所有订阅了该频道的模块都能收到数据。就像看电视频道一样，互不干扰。

3. 请求-回复模式：控制与状态查询

• 场景：Web 端想要控制摄像头的开关，或者查询当前的 FPS。
• 玩法 ：使用 REQ (客户端) 和 REP (服务端)。
• 效果：严格的同步问答模式，确保指令被准确执行。

---

💻 代码一瞥：Python 实现"推-拉"视频流

这是一个简单的概念示例，展示如何发送 JPEG 编码的图像帧：

发送端（模拟摄像头采集）：

import zmq
import cv2

context = zmq.Context()
socket = context.socket(zmq.PUSH)
socket.bind("tcp://*:5555")

cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    # 1. 图像压缩（关键！不要传原始数组）
    ret, jpg = cv2.imencode('.jpg', frame)
    # 2. 发送字节流
    socket.send(jpg.tobytes())

接收端（模拟AI推理服务）：

import zmq
import numpy as np
import cv2

context = zmq.Context()
socket = context.socket(zmq.PULL)
socket.connect("tcp://localhost:5555")

while True:
    # 1. 接收数据
    msg = socket.recv()
    # 2. 解码图像
    jpg = np.frombuffer(msg, dtype=np.uint8)
    img = cv2.imdecode(jpg, cv2.IMREAD_COLOR)
    
    # 3. 进行推理...
    # model.predict(img)

---

⚖️ 优缺点分析：它适合你吗？

优点	注意事项
极高性能：无 Broker 中转，延迟极低（微秒级）。	不持久化：消息发出去就没了，接收端挂了数据就丢了（不适合金融交易，但适合实时视频）。
开发简单：像写 Socket 一样简单，支持 C++, Python, Go 等。	大文件传输：传输 4K 原图可能会阻塞，建议先 JPEG 压缩或分片。
拓扑灵活：支持跨机器、跨进程、跨线程通信。	无内置监控：需要自己处理断线重连等逻辑。

✅ 为什么视觉系统特别需要它？

传统方式	ZeroMQ 方案
直接 TCP Socket	自动重连 + 消息边界处理
共享内存/文件	跨进程、跨机器无缝切换
硬编码多目标发送	PUB/SUB 解耦，新增消费者无需改发送端
部署绑定 IP/Port	配置化地址，Bind() / Connect() 灵活互换

---

⚠️ 注意事项

• 不是持久化队列：断电丢消息（适合实时视觉，不适合金融交易）
• 消息无序：高吞吐下不保证 FIFO（关键顺序需加序列号）
• C# 推荐用 NetMQ：避免 native libzmq 的 DLL 依赖问题

---

💡 一句话总结

ZeroMQ 不替你写算法，但让你的视觉系统"各模块自由对话"，
架构更松耦合，扩展更轻松。

下次设计多模块视觉系统时，不妨在通信层加一条"ZeroMQ 高速通道"！

---