Programm Embedded Vision Europe Konferenz 2019

Come together

Programm Embedded Vision Europe Konferenz 2019

Für die zweite Embedded Vision Europe vom 24. bis 25. Oktober im ICS Stuttgart steht das Programm mit internationalen Experten und spiegelt die Bandbreite von Embedded Vision wider. Unter den Rednern sind u.a. Intel und Nvidia.

Bild: EMVA European Machine Vision Association

Dies beginnt beim Keynote-Redner David Austin (Intel Corporation). Seine Arbeit konzentriert sich auf KI-basierte Lösungen für den industriellen IoT-Markt und er thematisiert in seiner Keynote ‚Flexible and Practical AI for Industrial Deployment‘. Weitere Redner der Konferenz sind unter anderem Neil Trevitt (Nvidia/ Khronos) der über ‚APIs for Accelerating Vision and Inferencing: an Industry Overview of Options and Trade-offs‘ spricht, sowie Andrea Dunbar (CSEM), die über ‚Autonomous data-logger with ULP imager‘ spricht, sowie Bram Senave (Easics) mit einem Vortrag zu ‚Embedded deep learning in PCB inspection‘. ‚Processor Architectures for Machine Learning‘ ist der Titel des Vortrags von Jagan Ayyaswami (Micron Technology). Jonathan Hou (Pleora) blickt mit seiner Präsentation ‚Embedded Learning and the Evolution of Machine Vision‘ auf die rasante Entwicklung der Bildverarbeitung der letzten Jahre. Michael Engel (Vision Components) stellt ‚MIPI Cameras: New Standard for Embedded Vision‘ vor und EMVA Präsident Jochem Herrmann betont in seiner Präsentation die Bedeutung von Standardisierung auch für den Bereich Embedded Vision. ‚How to set up an embedded system for industrial embedded vision – Requirements, components, and solutions‘ wird Gion-Pitschen Gross (Allied Vision) vorstellen und Pierre Gutierrez (Scortex) spricht über ‚The challenges of deploying Deep Learning for visual quality inspection‘. Über die bestehenden Deep Learning-Modelle hinaus schaut Dr. Vassilis Tsagaris (IRIDA Labs) und spricht über ‚An holistic embedded vision approach: looking beyond the deep learning models‘.

EMVA begrüßt Neumitglieder

Seit dem Frühjahr ist die Mitgliederzahl der EMVA weiter gewachsen. Der europäische Bildverarbeitungsverband begrüßt die iiM AG, ein deutscher Anbieter für Lösungen im Bereich der optischen Messtechnik und Beleuchtungstechnik für die Bildverarbeitung. Ein herzliches Willkommen auch an den Deep Learning und Computer Vision Spezialisten Cogniac aus Kalifornien. Das jüngste Neumitglied kommt aus China: Mega Phase Industrial Inspection Technology hat seinen Unternehmenssitz in Shanghai und bietet Inspektionslösungen an.

Autor: Thomas Lübkemeier, General Manager, EMVA

Thematik: Newsarchiv
|
Ausgabe:
EMVA European Machine Vision Association
https://eve-2019.emva.b2match.io/

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