Die Welt des IoT eine Welt, in der ergänzende Technologien ständig neue und innovative Möglichkeiten hervorbringen. Zu den vielversprechendsten Technologien gehören das maschinelle Lernen (ML) und die maschinelle Bildverarbeitung (MV). Lassen Sie uns untersuchen, wie medizinische und industrielle IoT (IIoT) mit den Fähigkeiten dieser Technologien voranschreiten.
Dieser Artikel basiert auf einem Papier, das gemeinsam mit Brad Scott, CEO von AuZone Technologies, Inc., im Vorfeld einer Präsentation über maschinelle Lerntechnologien für die Embedded World 2020 verfasst wurde. Zur gleichen Zeit hat Digi das Digi ConnectCore® 8M Nano Entwicklungskit vor.
Der Digi ConnectCore 8M ist ein Mitglied der ConnectCore-Familie von leistungsstarken, skalierbaren SOMs (System-on-Modules), Tools und Dienstleistungen, die für eine schnelle Entwicklung und eine schnelle Markteinführung 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 Vielzahl von Bildverarbeitungs- und Klassifizierungsaufgaben angewendet werden. Und dank des Umfangs, in dem diese Anwendungen angenommen werden, wird es schnell kosteneffektiv, maschinelles Lernen und maschinelles Sehen in eine wachsende Vielfalt von IoT Produkten einzubauen.
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.
- Geringerer Stromverbrauch: Netzwerkverbindungen sind stromhungrig. Wenn weniger Daten gesendet werden, kann Strom gespart werden, was bei batteriebetriebenen Geräten von Vorteil sein kann IoT .
Tools und Software unterstützen erfolgreiche Implementierungen
Die Erstellung einer Lösung für maschinelles Lernen ist keine Kleinigkeit, und die Wahl der richtigen Hardware, Entwicklungstools und Softwarekomponenten für die auf maschinellem Lernen basierende Bildverarbeitung kann einen großen Beitrag zu einer erfolgreichen Implementierung leisten.
Au-Zone Technologies bietet beispielsweise ein Toolkit an, das speziell für die Entwicklung von Bildverarbeitungssystemen mit maschinellem Lernen auf leistungsbeschränkten Embedded-Geräten entwickelt wurde. Die Inferenz-Engine des Unternehmens unterstützt MCU-, CPU- und GPU-Kerne mit einem Standard-Workflow und einem Modellformat und bietet so Flexibilität und Portabilität über verschiedene Plattformen hinweg. Das Digi ConnectCore® 8X System on Module (SOM) wiederum enthält MCU-, CPU- und GPU-Rechenkerne, so dass die Inferenz-Engine effizient auf jeder dieser Rechenressourcen laufen kann. Diese beiden Lösungen sind daher auch komplementäre Technologien.
Entdecken, Skalieren, Innovieren
Wir stehen noch am Anfang 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 als erste einsetzen, werden einen Wettbewerbsvorteil erlangen, wenn neue Geschäftsvorteile realisiert werden und sich neue Anwendungsfälle ergeben. Diese Unternehmen werden auch die Erfahrung und das Fachwissen erwerben, die sie benötigen, um ihre Implementierungen auf weitere Anwendungsfälle auszudehnen und die Vorteile der Technologie in vollem Umfang zu nutzen, wenn diese erweitert und verfeinert wird.
Wenden Sie sich an Digi, wenn Sie eine Beratung zur richtigen Technologie für Ihre Produktentwicklung benötigen oder wenn Sie Unterstützung bei einem beliebigen Aspekt Ihres Design- und Entwicklungsprozesses wünschen.