Haben Sie eine Frage?

Maschinelles Lernen und maschinelles Sehen funktionieren besser mit Echtzeit-Edge-Verarbeitung

Die Welt des IoT ist eine, in der komplementäre Technologien ständig neue und innovative Fähigkeiten hervorbringen. Zu den vielversprechendsten dieser aufeinander abgestimmten Technologien gehören maschinelles Lernen (ML) und maschinelles Sehen (MV). Lassen Sie uns erkunden, wie sich medizinische und industrielle IoT-Anwendungen (IIoT) mit den Fähigkeiten dieser Technologien weiterentwickeln.

Dieser Artikel basiert auf einem Papier, das gemeinsam mit Brad Scott, CEO von AuZone Technologies, Inc. im Vorfeld einer geplanten Präsentation über maschinelle Lerntechnologie auf der Embedded World 2020. Obwohl Digi nicht an der Konferenz teilnehmen wird, werden wir dieses Thema aus der Ferne über Videokonferenz am 27. Februar um 10:00 Uhr, und wird die neue Digi ConnectCore® 8M Nano Entwicklungskit

Der Digi ConnectCore 8M ist das neueste Mitglied der ConnectCore-Familie leistungsfähiger, skalierbarer SOMs (System-on-Module), die für eine schnelle Entwicklung und ein schnelles Time-to-Market konzipiert sind. Tragen Sie sich in unsere Mailingliste ein um Ankündigungen über neue Produkte und kommende Veranstaltungen von Digi zu erhalten!
 

Wie Machine Learning (ML) und Machine Vision (MV) unsere Welt verändern


 
Techniken des maschinellen Lernens können auf eine breite Palette von Bildverarbeitungs- oder Klassifizierungsaufgaben angewendet werden. Und dank des Ausmaßes, in dem diese Anwendungen angenommen werden, wird es schnell kosteneffektiv, maschinelles Lernen und maschinelles Sehen zu einer wachsenden Vielfalt von IoT-Produkten hinzuzufügen.
 
Bildverarbeitungssysteme verwenden in der Regel digitale Sensoren in industriellen Kameramodulen, in denen die Bilder verarbeitet und analysiert werden. In Verbindung mit maschinellem Lernen können Bildverarbeitungsanwendungen komplexe Aufgaben zuverlässig und konsistent durchführen.

Im Gesundheitswesen können sie z. B. Patienten überwachen oder Anomalien in radiologischen Bildern erkennen und so die Patientenversorgung verbessern oder sogar Leben retten.

In einer industriellen Umgebung können sie Qualitätskontrollprüfungen vieler identischer Artikel auf einem Förderband ohne Fehler oder Ermüdung durchführen. Tatsächlich kann die industrielle Bildverarbeitung in fast jedem Massenproduktionsprozess, der eine visuelle Überwachung erfordert, Kosteneinsparungen und Vorteile bei der Qualitätskontrolle bieten. Die industrielle Bildverarbeitung hat das Potenzial, menschliche Fehler zu reduzieren und eine bessere Qualitätskontrolle zu geringeren Kosten zu ermöglichen.
 

Geschäftsvorteile von maschinellem Lernen in Kombination mit maschinellem Sehen


Es gibt zwar viele Vorteile, die sich aus der Kombination von maschinellem Lernen und maschineller Bildverarbeitung ergeben, aber einige der wichtigsten sind diejenigen, die zu realen betrieblichen Verbesserungen führen und sich auf das Endergebnis auswirken.
  • Höhere Produktqualität: Inspektion, Messung, Vermessung und Montageüberprüfung.
  • Erhöhte Produktivität: Routinemäßige, sich wiederholende Aufgaben können schnell und automatisch durchgeführt werden, wodurch Mitarbeiter für höherwertige Tätigkeiten frei werden. 
  • Niedrigere Kosten: Das Hinzufügen von Bildverarbeitungsfunktionen zur Ausrüstung kann die Leistung verbessern und die Lebensdauer verlängern. Bildverarbeitungssysteme in einer Fabrikumgebung benötigen außerdem weniger Platz als menschliche Bediener und nicht dasselbe Maß an Sicherheitsinfrastruktur.  

Warum Compute at the Edge?

ML/MV-Anwendungen funktionieren notwendigerweise in Echtzeit. Während also viele Systeme auf Cloud-basiertes Computing für maschinelles Lernen setzen, gibt es einen wachsenden Trend zur Implementierung dieser Verarbeitung am Rande der Anwendung - also in unmittelbarer Nähe zu dem Ort, an dem der Geschäftsprozess oder die Funktion tatsächlich stattfindet. Edge Computing ist besonders vorteilhaft in Situationen, in denen Bandbreite oder Latenz eine Einschränkung darstellen, wie z. B. in einer Fertigungsanlage, in der möglicherweise Dutzende von Artikeln pro Minute auf einem Förderband rollen und von einem ML/MV-System geprüft werden.
 

Leistungsvorteile von Edge Computing


Heute verlagert sich ein Großteil der Rechenleistung an den Rand, um die Effizienz und Leistung massiv zu verbessern:
  • Geringere Latenzzeit: Edge Computing ermöglicht eine schnellere Reaktion auf lokale Ereignisse. Das System kann schneller reagieren, da kein Round-Trip der Daten zum Server erforderlich ist.
  • Fähigkeit zum Offline-Betrieb: Im Falle einer Kommunikationsunterbrechung kann das System selbstständig Daten sammeln, speichern und verarbeiten.
  • Geringere Kosten: Ein reduzierter Datenfluss über das Netzwerk führt zu geringeren Netzwerkkosten - zum Beispiel bei Mobilfunk Verbindungen, die eine Datennutzung erfordern.
  • Reduzierter Stromverbrauch: Netzwerkverbindungen sind stromhungrig. Das Senden von weniger Daten kann helfen, Strom zu sparen, was bei batteriebetriebenen IoT-Geräten von Vorteil sein kann.  

Tools und Software unterstützen erfolgreiche Implementierungen  

Die Erstellung einer Lösung für maschinelles Lernen ist keine Kleinigkeit, und die Wahl der richtigen Hardware, Entwicklungswerkzeuge und Softwarekomponenten für die auf maschinellem Lernen basierende Bildverarbeitung am Netzwerkrand kann einen großen Beitrag zu einer erfolgreichen Implementierung leisten.

Au-Zone Technologienbietet beispielsweise ein Toolkit an, das speziell für die Entwicklung von auf maschinellem Lernen basierenden Bildgebungssystemen auf leistungsbeschränkten Embedded-Geräten entwickelt wurde. Die Inferenz-Engine des Unternehmens unterstützt MCU-, CPU- und GPU-Kerne mit einem Standard-Workflow und Modellformat, was Flexibilität und Portabilität über verschiedene Plattformen hinweg bietet. Die Digi ConnectCore® 8X System on Module (SOM) wiederum enthält MCU-, CPU- und GPU-Rechenkerne, sodass die Inferenz-Engine effizient auf jeder dieser Rechenressourcen laufen kann. Diese beiden Lösungen sind daher auch komplementäre Technologien.
 

Entdecken, Skalieren, Innovieren

Wir befinden uns noch in den Anfängen eines sicherlich umfangreichen Prozesses der Entwicklung und Implementierung von maschinellem Lernen und maschineller Bildverarbeitung, dessen Ergebnisse mit Spannung erwartet werden. Die innovativen Unternehmen, die diese Systeme zuerst einsetzen, werden einen Wettbewerbsvorteil erlangen, da neue Geschäftsvorteile realisiert werden und neue Anwendungsfälle entstehen. Diese Unternehmen werden auch die Erfahrung und das Fachwissen erlangen, das sie benötigen, um ihre Implementierungen auf weitere Anwendungsfälle zu skalieren und die Vorteile der Technologie voll auszuschöpfen, wenn sie erweitert und verfeinert wird.

Erreichen Sie Digi für eine Beratung über die richtige Technologie für Ihre Produktentwicklung oder für Unterstützung bei jedem Aspekt Ihres Design- und Bauprozesses.
 
Datenblatt zum Digi ConnectCore 8M Nano Development Kit anfordern
Erfahren Sie mehr über die Möglichkeiten des leistungsstarken und preisgünstigen Digi ConnectCore 8M Nano

Verwandte Inhalte

Das Jahr der massiven IoT-Revolution Das Jahr der massiven IoT-Revolution Digi International nahm an einer von Telit Communications veranstalteten Podiumsdiskussion teil, die sich mit den Technologien und Fortschritten... AUFGEZEICHNETES WEBINAR Machine Learning Demo mit Digi ConnectCore und ByteSnap SnapUI Machine Learning Demo mit Digi ConnectCore und ByteSnap SnapUI Digi International und ByteSnap Design arbeiteten zusammen, um eine interessante und unterhaltsame Demo mit einem Piratenspiel zu entwickeln... VIDEO ANSEHEN Bausteine für eingebettete Sicherheit Bausteine für eingebettete Sicherheit Entwickler können sich auf Digi TrustFence für integrierte Sicherheit verlassen, ohne Funktionen von Grund auf neu entwerfen zu müssen. ANSEHEN PDF Edge Computing, künstliche Intelligenz, maschinelles Lernen und 5G Edge Computing, künstliche Intelligenz, maschinelles Lernen und 5G Die symbiotische Natur von Edge Compute und künstlicher Intelligenz ist interessant, weil künstliche Intelligenz die... BLOG LESEN Verwenden Sie Gerätebaum-Overlays, um Ihren Gerätebaum zu patchen Verwenden Sie Gerätebaum-Overlays, um Ihren Gerätebaum zu patchen Der Gerätebaum-Überlagerungsmechanismus in Digi Embedded Yocto 3.0 macht es viel einfacher, Ihren ursprünglichen Gerätebaum mit kleinen Änderungen zu reparieren. Dieser Artikel teilt die Methodik ANSEHEN-FÜHRER Was ist Edge Computing? Was ist Edge Computing? Edge Computing ist eine Internet of Things (IoT)-Methode, die die Herausforderungen von Latenz und Ineffizienz im Prozess... BLOG LESEN Vereinfachen und beschleunigen Sie Ihre Entwicklung mit Digi ConnectCore i.MX-basierten SOMs Vereinfachen und beschleunigen Sie Ihre Entwicklung mit Digi ConnectCore i.MX-basierten SOMs Die Entwicklung eines IoT-Produkts ist eine Herausforderung, und deshalb scheitert ein großer Prozentsatz der Embedded-Design-Projekte an der... AUFGEZEICHNETES WEBINAR Edge Computing Edge Computing Edge Compute ist die Datenverarbeitung, die am Netzwerkrand stattfindet, um die Latenzzeit zu verringern und die Anforderungen an Cloud Compute- und Rechenzentrumsressourcen zu reduzieren. MEHR LERNEN Reborn Elektrisch Reborn Electric nutzt Digi ConnectCore 6 SBC zur Bereitstellung von Schnittstellen und Telemetrie in Bussen, die auf elektrische Energie umgerüstet wurden Reborn Electric rüstet dieselbetriebene Busse auf Elektroantrieb um. Zur Bereitstellung einer Schnittstelle und der Telemetrie, die zur Überwachung des Fahrzeugs... GESCHICHTE LESEN Eingebettetes Rechnen: Design for Ease of Manufacturing und Low Cost-of-Ownership Eingebettetes Rechnen: Design for Ease of Manufacturing und Low Cost-of-Ownership Der Markt für eingebettete System-on-Module (SOMs) ist gewachsen und bietet vielfältige Optionen für Anwendungen, die von Displays im Einzelhandel bis hin... BLOG LESEN Digi News und Technologie-Updates: Embedded World, 5G, Machine Learning und Connected Vehicle Digi News und Technologie-Updates: Embedded World, 5G, Machine Learning und Connected Vehicle Eine der größten Geschichten des Jahres 2020 ist 5G. Auf der Embedded World 2020 zeigen verschiedene Anbieter ihre neuesten 5G-Produkte... BLOG LESEN Open-Source-Lizenzen und Anwendungen auf Embedded Linux: ein praktischer Blickwinkel Open-Source-Lizenzen und Anwendungen auf Embedded Linux: ein praktischer Blickwinkel Entwickler von proprietärer Software sind oft misstrauisch gegenüber Embedded-Linux-Plattformen, aufgrund der Implikationen von Open-Source-Lizenzen... BLOG LESEN Digi ConnectCore 8M Nano: Entwickler-Ressourcen, Sicherheit, Skalierbarkeit Digi ConnectCore 8M Nano: Entwickler-Ressourcen, Sicherheit, Skalierbarkeit Digi International gab kürzlich die Verfügbarkeit des Digi ConnectCore 8M Nano Development Kit bekannt. Das Digi ConnectCore® 8M... BLOG LESEN Digi ConnectCore 8M Nano Digi ConnectCore 8M Nano Embedded System-on-Module auf Basis des NXP i.MX 8M Nano Prozessors; konzipiert für Langlebigkeit und Skalierbarkeit in industriellen IoT-Anwendungen ANSEHEN PRODUKT