In der Welt des Internet der Dinge (IoT) kann ein Designer über sich gegenseitig ergänzende Technologien Innovationen schaffen. In diesem Beitrag von Andreas Burghart, führender IoT-Technologiemanager bei Digi International, erfahren Sie, wie das medizinische und industrielle IoT (IIoT) das nächsthöhere Niveau innovativer Weiterentwicklung erreichen kann.
Wie maschinelles Lernen (ML) und maschinelles Sehen (MV) unsere Welt verändern
Maschinelle Lerntechniken können auf zahlreiche Bildverarbeitungs- oder Klassifikationsaufgaben unter Einsatz von maschinellem Sehen angewendet werden. Und da diese Anwendungen allgemein gut angenommen wurden, steigt die Kosteneffizienz so schnell, dass ML- und MV-Funktionen in immer mehr IoT-Produkte integriert werden können.
Systeme mit integriertem maschinellem Sehen nutzen typischerweise digitale Sensoren in den Industriekameramodulen, in denen die Bilder verarbeitet und analysiert werden. Bei Nutzung von Anwendungen mit einer Kombination von maschinellem Lernen und maschinellem Sehen können komplexe Aufgaben zuverlässig und konsequent ausgeführt werden.
Bei Anwendungen im Gesundheitswesen können Patienten überwacht oder Auffälligkeiten auf radiologischen Aufnahmen erkannt werden, wobei die Patientenversorgung verbessert und sogar Leben gerettet werden können.
In einem industriellen Umfeld können damit Qualitätskontrollprüfungen bei vielen identischen Artikeln auf einem Förderband fehler- und ermüdungsfrei durchgeführt werden. Maschinelles Sehen kann somit zu Kosteneinsparungen und Nutzen bei der Qualitätskontrolle in fast jedem Massenproduktionsprozess führen, bei dem eine Sichtkontrolle notwendig ist.
Geschäftsnutzen einer Kombination aus maschinellem Lernen und maschinellem Sehen
Es ergeben sich viele Vorzüge bei der kombinierten Verwendung von maschinellem Lernen und Sehen, wobei sich jedoch der größte Nutzen dieser Technologien auf Verbesserungen von Betrieben und Erträgen der Unternehmen in der realen Welt beziehen.
- • Höhere Produktqualität: Inspektion, Messung, Justierung und Montageprüfung.
- • Gesteigerte Produktivität: Routinemäßige, wiederkehrende Aufgaben können schnell und automatisch durchgeführt werden, wobei das Personal für hochwertigere Aufgaben freigestellt wird.
- • Geringere Kosten: Die Integration von MV-Funktionen in bestehende Ausrüstungen kann die Leistung verbessern und die Lebensdauer steigern. MV-Systeme an einem Fertigungsstandort nehmen einen geringeren Raumbedarf als menschliche Bediener in Anspruch und benötigen nicht dieselbe Sicherheitsinfrastruktur.
Warum Edge Computing?
ML/MV-Anwendungen funktionieren in Echtzeit. Über Edge Computing kann die Verarbeitung der Anwendungen näher an der eigentlichen Geschäftsproduktion ablaufen. Edge Computing ist sehr vorteilhaft in Situationen, in denen die Bandbreite oder Latenzzeit problematisch ist, wie z. B. in einer Produktionsanlage, in der Dutzende von Artikeln pro Minute durch ein ML/MV-System geprüft werden, wenn sie über ein Förderband transportiert werden.
Leistungsvorteile von Edge Computing
Im Computing-Bereich findet heute ein Übergang zum Edge Computing statt, wodurch erhebliche Verbesserungen bezüglich Effizienz und Leistung gewährleistet werden können, einschließlich:
- • Reduzierte Latenzzeiten: Edge Computing bietet schnellere Reaktionszeiten, ohne dass Daten zum Server hin- und zurückgesendet werden müssen.
- • Möglicher Offline-Betrieb: Bei einer Kommunikationsstörung kann das System die Daten selbständig sammeln, speichern und verarbeiten.
- • Reduzierte Kosten: Netzwerk-Kosten sinken, wenn der Datenfluss reduziert ist.
- • Reduzierter Stromverbrauch: Batteriebetriebene IoT-Geräte können Energie einsparen, da weniger Daten gesendet werden.
Erfolgreiche Implementierung dank passender Tools und Software
Eine Lösung auf der Grundlage von maschinellen Lernprozessen zu entwickeln, ist kein Kinderspiel. Die richtige Hardware und die passenden Entwicklungstools und Softwarekomponenten für ein Bildverarbeitungssystem auf der Basis von maschinellen Lernprozessen mit Edge Computing erfolgreich zu implementieren, kann ein langwieriger Prozess sein.
Au-Zone Technologies bietet ein Toolkit für die Entwicklung von Bildverarbeitungssystemen auf der Basis von maschinellen Lernprozessen für eingebettete Geräte mit eingeschränkter Leistung an. Die Interferenzmaschinen des Unternehmen unterstützen MCU, CPU und GPU-Kerne mit einem Standard-Workflow und Modellformat, das Flexibilität und Portabilität auf verschiedenen Plattformen gewährleistet. Das Digit ConnectCore® 8X System-On-Module (SOM) umfasst MCU-, CPU- und GPU-Verarbeitungskerne, die der Interferenzmaschine ermöglichen, effizient auf allen diesen Rechnerressourcen eingesetzt werden zu können.
Ähnliches Produkt:
Ähnliches Produkt:
Ähnliches Produkt:
Ähnliches Produkt:
Ähnliches Produkt:
Ähnliches Produkt:
Ähnliches Produkt:
Ähnliches Produkt:
