KI-Kit auf Basis von Sparse Modeling

KI-Kit auf Basis von Sparse Modeling

Bild: Congatec AG

Congatec und die japanischen KI Experten von Hacarus haben das weltweit erste Embedded Computing Kit für künstliche Intelligenz (KI) vorgestellt, das Sparse Modeling Technologie nutzt. Sparse Modeling ermöglicht es, mit wenigen Trainingsdaten hohe Vorhersagewahrscheinlichkeiten zu erzielen. Dies ist unter anderem für visionbasierte Inspektionssysteme von Vorteil, da eine hohe Fertigungsqualität wenig Ausschuss bedeutet. Mit lediglich 50 oder sogar noch weniger solcher Bilder kann Sparse Modeling ein neues Inspektionsmodell erstellen. Das ist erheblich weniger, als die 1.000 oder mehr Bilder, die für eine herkömmliche KI erforderlich sind. Das Sparse Modeling Kit, das Kunden über Hacarus beziehen können, kann Stand-Alone oder als Add-on zu bestehenden Inspektionssystemen genutzt werden. Zu den Zielkunden zählen vor allem Visionsystem-Anbieter und Systemintegratoren. Ein weiterer Anwenderkreis sind Maschinen- und Anlagenbauer, die visionbasierte KI in ihren Geräten nutzen wollen Entwickler werden mit Sparse Modeling in die Lage versetzt, Prüfsysteme der nächsten Generation zu entwickeln, die sich auf individuelle Bedingungen trainieren lassen und somit überall funktionieren. Es müssen also nicht mehr überall optimale Bedingungen, wie z.B. sehr konstante Lichtverhältnisse vorherrschen. OEM gewinnen auch mehr Flexibilität bei der Anpassung an sich ändernde Produktionsprozesse, was auf dem Weg zur industriellen IOT/Industrie 4.0 gesteuerten Losgrößenproduktion unerlässlich ist“, erklärt Christian Eder Director Marketing bei Congatec. Sparse Modeling ist im Wesentlichen ein Ansatz zur Datenmodellierung, der sich auf die Identifizierung einzigartiger Merkmale konzentriert. Einfach ausgedrückt interpretiert Sparse Modeling Daten ähnlich dem menschlichen Verstand, anstatt jedes einzelne Haar und jeden mm einer Person zu betrachten.

Starter Kit mit skalierbarer Hardware Plattform

Das neue Starter-Kit basierend auf Congatec Hardware und Hacarus Software kann sofort in jeder GigE- und USB3.x-Umgebung eingesetzt und getestet werden. Es ist auf der Grundlage von in etwa handtellergroßen Computer-on-Modules konzipiert. Das System misst lediglich 173x88x21,7mm (6,81 x 3,46 x 0,85″). Dank neuester Intel Atom und Celeron Prozessoren (Codename Apollo Lake), die nun vollständig für die Serienproduktion verfügbar sind, ist das System nicht nur schlank, sondern auch außergewöhnlich leistungsfähig. Trotz seiner geringen Größe verfügt das System über eine Vielzahl von I/Os, die unterschiedlichste Konfigurationen der Endkunden ermöglichen. Als Standardschnittstellen stehen 2x GbE (applikationsfertig für GigE Vison), 1x USB3.0/2.0, 4x USB2.0 und 1x UART (RS232) bereit. Erweiterungen sind mit 2x Mini-PCIe (USIM Sockel), 1x mSATA Sockel und 16-Bit programmierbarem GPIO möglich. Der erweiterte Eingangsspannungsbereich erstreckt sich von 9 bis 32V.

Thematik: Allgemein
congatec AG
www.congatec.com

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