Developer-Kit für Machine Vision AI an der Edge

Developer-Kit für Machine Vision AI an der Edge
Vizi-AI SDK von Adlink ist ein Developer-Starterkit für Machine-Vision-AI-Anwendungen an der Edge. Es enthält zudem ein Intel-Atom-basiertes Smarc-Computermodul mit einer Movidius Myriad X VPU sowie dem OpenVino-Toolkit von Intel.
Entwickler können an das 
Vizi-AI-Board Bilderfassungsgeräte anschließen 
und dann Machine-Learning-Modelle verwenden, um die 
Erkenntnisse aus den Bilddaten zur Optimierung zu nutzen.
Entwickler können an das Vizi-AI-Board Bilderfassungsgeräte anschließen und dann Machine-Learning-Modelle verwenden, um die Erkenntnisse aus den Bilddaten zur Optimierung zu nutzen.Bild: Adlink Technology GmbH

Neue Technologien wie autonomes Fahren, vernetzte Städte oder das Internet der Dinge (IoT) generieren eine wachsende Flut an Daten. Diese müssen gesammelt, gespeichert, verarbeitet und analysiert werden. Nur dann können Unternehmen die Daten zu ihrem Vorteil nutzen, z.B. um weitere Innovationen zu entwickeln oder daraus Erkenntnisse zu ziehen, die sie dabei unterstützen, bessere Entscheidungen zu treffen und Wettbewerbsvorteile zu erzielen. Edge Computing ist die Lösung für viele dieser Herausforderungen: Daten lassen sich direkt an der Edge sammeln und analysieren. Gleichzeitig benötigen Unternehmen eine geringere Bandbreite als bei der Verarbeitung in einem zentralen Rechenzentrum und können somit schneller agieren. Gerade bei der Vernetzung von Geräten aller Art im IoT spielt auch die künstliche Intelligenz (KI) ihre Vorteile aus. Die Implementierung von KI bei Edge Computing ermöglicht eine einfache Umsetzung von Aufgaben, die normalerweise extrem schwierig und vielschichtig sind. Dazu gehört beispielsweise auch kundenspezifische Qualitätsprüfungen. Machine Learning, kognitive Dienste, Bildverarbeitungsanalyse und andere komplexe Informationsmanagement-Aufgaben können an der Edge durchgeführt werden, um Anpassungen in Echtzeit vorzunehmen. Produktionsanlagen, autonome Fahrzeuge und komplexe Robotik profitieren von dieser höheren Stabilität, der reduzierten Latenzzeit und der gesteigerten Effizienz, die FoF (Force-on-Force)-Arbeitsgänge ermöglichen. Die Genauigkeit lässt sich durch den Einsatz einer KI über kontinuierliches Training erhöhen und dadurch gleichzeitig die Entwicklungszeit deutlich verkürzen.

Vision-KI für Edge Computing

Doch wie können Entwickler IoT-Anwendungen und -Geräte schnell und problemlos implementieren, damit Unternehmen von den Vorteilen von Edge Computing möglichst zügig profitieren können? Die Antwort darauf heißt Vizi-AI. Das SDK bietet die technischen Voraussetzungen, um die Vorteile von Edge Computing auszuschöpfen. Vizi-AI ist ein kleiner KI-Computer, der speziell für Entwickler entworfen wurde. Das SDK kombiniert Hardware und Software – und bietet so einen Ausgangspunkt für den Einsatz von Bildverarbeitungs-KI direkt an der Edge. Vizi-AI lässt sich für eine Vielzahl industrieller Anforderungen skalieren. Dabei wird immer dieselbe Software eingesetzt, aber je nach Bedarf eine entsprechend leistungsfähigere Hardware. Zu dem Kit gehören eine Reihe von vorgefertigten OpenVino-kompatiblen Modellen für Machine Learning, die sich Out-of-the-Box nutzen lassen. Das OpenVino Toolkit optimiert Deep Learning-Workloads auch über die Intel Architektur hinaus und erlaubt eine schnelle Installationen von der Edge bis zur Cloud. Die Edge-Software von Adlink bietet zudem über die Data River Software erweiterte Funktionen von OpenVino und gewährleistet einen dynamischen und sicheren Datenfluss. Anwender können darüber hinaus eine vorinstallierte Auswahl eigener Modelle dank des Edge Model Manager hinzufügen. Zu den weiteren Bestandteilen des Kits gehören Intel Atom-basierte SMARC Computermodule mit Intel Movidius MyriadX VPU und 40 Stiftsteckern. Das Adlink Edge Profile gewährleistet eine unkomplizierte Anwendererfahrung beim Management von Endgeräten und Applikationen. Einmal installiert, lässt sich eine Vielzahl von Bilddaten sammeln und analysieren, ob zu Trainingszwecken oder um neue Modelle zu entwickeln, hochzuladen und zu nutzen.

Fazit

Dank Vizi-AI lässt sich die Vernetzung von Anwendungen und Geräten für das IoT beschleunigen und vereinfachen. Das Sammeln und die Verarbeitung der Daten an der Edge entlasten Rechenzentren und Bandbreite. Gleichzeitig erhalten die Firmen belastbare Informationen und können flexibler agieren. Da Edge AI eine relativ neue Technologie ist, besteht noch kein einheitlicher Standard hinsichtlich Anwendungen und Systemen. In Zusammenarbeit mit Intel ist Adlink derzeit dabei, entsprechend offene Angebote zu entwickeln, die sich zu einem Standard entwickeln könnten.

www.adlinktech.com

Adlink Technology GmbH

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige