Komplettlösung für AI-Vision-Anwendungen

AIoT for Vision

Titelstory: Komplettlösung für AI-Vision-Anwendungen
Speziell für AI-Vision-Anwendungen wurde der VHub-AI-Developer entwickelt, eine Komplettlösung für AIoT-Anwendungen. Der VHub verfügt über ein Intel- OpenVino-basiertes Softwareentwicklungskit, das mehr als 200 vortrainierte Funktionen zur Bewegungs-, Gesichts-, Objekt- und Zeichenerkennung beinhaltet.
Bild: Vecow CO LDT

Der VHub-AI-Developer unterstützt verschiedene Deep-Learning-Frameworks (TensorFlow, Caffe, ONNX, MxNet,…), die für die Implementierung eines Systems von der Cloud bis zum Edge benötigt werden und beinhaltet vortrainierte KI-Modelle, die für entsprechende Anwendungen optimiert sind. Die AI-Inferenzsysteme von Vecow, die mit dem VHub- AI-Developer ausgestattet sind, unterstützen verschiedene Beschleunigungsengines (z.B. Movidius VPU und GPU), einschließlich Starter-Kit, Deployment-Kit, Development-Kit und Titan-Kit. Die leistungsfähigen KI-Hardwaresysteme ermöglichen es Anwendern, mit wenig Aufwand ihre AI-Vision-Lösungen in beliebigen Umgebungen zu implementieren. Eingesetzt werden kann die smarte Plattform in sämtlichen AI-relevanten Bereichen, wie z.B. Deeplearning, Bildverarbeitung, Fahrzeugcomputing, Industrieautomatisierung oder Robotersteuerung.

Echtzeitinspektion im Schienenverkehr

Ein Beispiel für den erfolgreichen Einsatz von AI-Technologie ist im Schienenverkehr zu finden. Die Schienen eines Bahnsystems sind aufgrund des Zugverkehrs und der Witterungsverhältnisse über viele Jahre höchsten Belastungen ausgesetzt. Diese führen zu inneren Schäden, die visuell nicht zu erkennen sind. Um die Beschädigungen dennoch ausfindig zu machen, werden oft Ultraschallprüffahrzeuge, sogenannte Gleisgeometriewagen, eingesetzt. So kann die Ermüdung des Metalls, die z.B. durch die hohe Geschwindigkeit der Züge entsteht, festgestellt werden. Zur zusätzlichen optischen Objektprüfung werden hochauflösende Industriekameras (bis zu 4K) und AI-beschleunigte Vision-Systeme verwendet. Dadurch werden Schienenbrüche verhindert und somit die Sicherheit des Betriebs und der Fahrgäste deutlich verbessert. Hierzu sind allerdings Inspektionsanwendungen in Echtzeit notwendig, damit die Systeme während der Zugfahrt eingesetzt werden können. Ein System, das diese Anforderungen erfüllt, ist die PE-5000-Serie. Sie verfügt über Power-over-Ethernet und unterstützt eine Ausgangsleistung von 25,5W bei 48VDC für jeden einzelnen Port. Für den industriellen Einsatz entwickelt, bietet die Serie nicht nur höchste Zuverlässigkeit, sondern auch einen erweiterten Temperaturbereich von -25°C bis +60°C. Zudem ist das System mit zahlreichen Interfaces ausgestattet, die eine High-Speed-Datenübertragung von bis zu 10Gbit/s unterstützen. In Zusammenarbeit mit dem erweiterbaren GPU-AI-Computing-System GPC-1000 wird die Effizienz bei der Datenverarbeitung, Speicherung und Analyse nochmals gesteigert, wodurch die Kombination ideal für den Einsatz in Fahrzeugen oder Deep-Learning-Anwendungen ist.

Bild: Vecow CO LDT

Pflanzen züchten mit 10GigE-Vision

Auch in der Botanik-Forschung wird auf künstliche Intelligenz gesetzt. Internationale Unternehmen für Pflanzenzüchtung nutzen fortschrittliche Hard- und Software für die Entwicklung und Durchführung der Phänotyp-Analyse. Unter einem Phänotyp versteht man in der Genetik alle Merkmale eines Organismus, also das Erscheinungsbild der Pflanze. Dieses wird stark von Umweltfaktoren beeinflusst, was sich negativ auf den Zuchterfolg auswirken kann. Mithilfe der kompakten SPC-5100 Systeme können Messungen an der Pflanze durchgeführt und somit für ideale Rahmenbedingungen bezüglich des Pflanzenwachstums gesorgt werden. Das System verfügt über leistungsstarke Intel Core-Prozessoren der achten Generation und kann in Kombination mit 10GigE-Vision-Kameras und den zugehörigen Sensoren zur Datenerfassung der Pflanzenmerkmale, wie z.B. Blattfläche, Wachstumshöhe, Blattneigung und Farbeinstufungen, verwendet werden.

AMR für Robot-as-a-Service

Autonome mobile Roboter (AMR) können sich selbstständig in ihrer Umgebung bewegen und mit dieser interagieren. Insbesondere Roboter, die mit einer KI ausgestattet sind spielen dabei eine Schlüsselrolle. So können diese Roboter beispielsweise in der Pflege, dem Finanzmanagement, im Service oder auch in der Industrie eingesetzt werden, um die Produktionseffizienz zu steigern. Für diesen Bereich bietet Vecow mit dem ECX-1000-PoER eine kompakte All-in-One-AI-Rechenmaschine für Serviceroboteranwendungen. Das System ermöglicht Echtzeit-Computing und wird bereits bei Servicerobotern – die mit Menschen kommunizieren – in Flughäfen, Museen, Bibliotheken und weiteren öffentlichen Bereichen erfolgreich eingesetzt.

Seiten: 1 2Auf einer Seite lesen

Thematik: Technologie
Plug-In Electronic 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