Anwendertaugliches Deep Learning auch für Einsteiger

Anwendertaugliches Deep Learning auch für Einsteiger
IDS präsentiert eine Embedded-Vision-Komplettlösung, mit der jeder Anwender in wenigen Schritten und ohne Programmierkenntnisse KI-basierte Bildverarbeitung realisieren und auf einer Kamera (als eingebettetes Inferenzsystem) einsetzen kann.
Bild 1 | Die NXT Kameras von IDS sind Hybridsysteme, um sowohl Vorverarbeitung von Bilddaten mit klassischer Bildverarbeitung als auch eine Merkmalsextraktion mittels neuronaler Netze nebeneinander einzusetzen.
Bild 1 | Die NXT Kameras von IDS sind Hybridsysteme, um sowohl Vorverarbeitung von Bilddaten mit klassischer Bildverarbeitung als auch eine Merkmalsextraktion mittels neuronaler Netze nebeneinander einzusetzen.Bild: IDS Imaging Development Systems GmbH

Mit NXT ocean ebnet IDS die KI-Einstiegshürde und stellt einfach nutzbare Werkzeuge bereit, mit denen ohne viel Vorwissen Inferenzaufgaben in wenigen Minuten erstellt und sofort auf einer Kamera ausgeführt werden können. Das Konzept basiert auf einer einfach bedienbaren Trainingssoftware für neuronale Netze und einer intelligenten Kameraplattform inkl. eines KI-Beschleunigers, der die neuronalen Netze hardwareseitig ausführt. Die cloud-basierte Trainigssoftware NXT lighthouse führt Schritt für Schritt durch die Datenvorbereitung bis zum Training der KI in Form eines neuronalen Netzes. Der Anwender kommt dabei niemals in Kontakt mit irgendwelchen Basiswerkzeugen oder muss sich mit der Installation von Entwicklungsumgebungen auseinandersetzen. Als Webanwendung ist NXT lighthouse sofort einsatzbereit. Dem Anwender stehen für all seine Projekte genügend Speicherplatz und ausreichend Trainings-Performance zur Verfügung. Einloggen, Trainingsbilder hochladen, labeln und anschließend das gewünschte Netz trainieren. Mit wenigen Konfigurationseinstellungen spezifiziert der Anwender die Anforderungen für Geschwindigkeit und Genauigkeit an seine Anwendung. Netzauswahl und Einrichtung der notwendigen Trainingsparameter nimmt NXT lighthouse daraufhin völlig selbständig vor. Die Trainingsergebnisse vermitteln dem Anwender eine gute Vorhersage über die Qualität der trainierten Intelligenz und ermöglichen so ein schnelles Ändern und Wiederholen des Trainingsprozesses. Das System wird kontinuierlich verbessert und ausgebaut. Der Anwender kann sich somit vollständig auf die Lösung seiner Anwendung konzentrieren, ohne das Wissen über Lernmethoden und künstliche Intelligenz selbst aufbauen zu müssen.

Der Hersteller setzt bei NXT lighthouse auf das überwachte Lernen (Supervised Learning), um neuronale Netze zu trainieren. Die Deep Learning-Algorithmen lernen mit vorgegebenen Paaren von Ein- und Ausgaben. Dazu stellt der Anwender während des Lernens den korrekten Funktionswert zu einer Eingabe bereit, indem er einem Bildbeispiel die korrekte Klasse zuordnet. Dem Netz wird die Fähigkeit antrainiert, Assoziationen selbstständig herzustellen, indem es Vorhersagen zu Bilddaten in Form von Prozentwerten macht. Je höher der Wert, desto genauer und sicherer ist die Vorhersage. Für einen schnellen Erfolg sorgt das nahtlose Zusammenspiel der Software mit den NXT Kamerafamilien rio bzw. rome. Denn fertig trainierte neuronale Netze können direkt und ohne Programmieraufwand auf einer dieser Kameras hochgeladen und ausgeführt werden.

Bild 2 | Der Funktionsumfang von IDS NXT Inferenzkameras kann nach dem nächsten Entwicklungsschritt durch Apps und CNNs ganz nach Bedarf erweitert werden.
Bild 2 | Der Funktionsumfang von IDS NXT Inferenzkameras kann nach dem nächsten Entwicklungsschritt durch Apps und CNNs ganz nach Bedarf erweitert werden.Bild: IDS Imaging Development Systems GmbH

Eigener KI-Core

IDS hat für den FPGA der intelligenten NXT Kameraplattform einen eigenen KI-Core, namens deep ocean core entwickelt, der vortrainierte neuronale Netze hardwarebeschleunigt ausführt. Das macht die vollwertigen Industriekameras zu leistungsstarken Inferenzkameras, die KI im industriellen Umfeld sinnvoll nutzbar machen. Bildanalysen finden dezentral statt, wodurch sich Bandbreiten-Engpässe in der Übertragung vermeiden lassen. Die NXT Kameras können, was Genauigkeit und Geschwindigkeit von KI-Aufgaben angeht, mit modernen Desktop CPUs Schritt halten – bei gleichzeitig geringerem Platz- und Energieverbrauch. Durch die Wiederprogrammierbarkeit des FPGAs ergeben sich zusätzlich Vorteile. Durch die perfekte Abstimmung der IDS-eigenen Software und Hardware, kann der Anwender die maximale Inferenzzeit zudem selbst vor dem Training bestimmen. NXT lighthouse kümmert sich daraufhin, um optimale Trainingseinstellungen unter Berücksichtigung der KI-Core-Performance der Kamera. Damit erwarten den Anwender bei der späteren Ausführung der Inferenz keine Überraschungen, wodurch zeitraubendes Nachjustieren und Nachtrainieren entfällt. Das NXT System bleibt damit außerdem für den Anwender, einmal integriert, immer 100% kompatibel und konsistent in seinem Verhalten. Gerade bei industriell zertifizierten Anwendungen ist das von Vorteil.

Durch die leistungsfähige Hardware ist die Embedded Vision Plattform weit mehr als eine reine Inferenzkamera für die Ausführung von neuronalen Netzen. Der Funktionsumfang der CPU-FPGA Kombination wird im nächsten Entwicklungsschritt mittels Vision Apps vom Anwender je nach Bedarf erweiterbar werden. Wiederkehrende Vision-Aufgaben lassen sich dann schnell einrichten und wechseln. Auch ein flexibel agierender Bildverarbeitungsablauf ist dann realisierbar. Aufgenommene Bilder durchlaufen z.B. zuerst eine Vorverarbeitung, bevor eine recht simple und schnelle Klassifizierung IO/NIO-Teile sortiert. Bei Auftreten von Fehlern kann in Millisekunden ein weitaus komplexeres neuronales Netz nachgeladen werden, um die Fehlerklasse viel detaillierter zu bestimmen und die Ergebnisse an eine Datenbank übermitteln. Per App-Entwicklungskit sind maßgeschneiderte Lösungen einfach realisierbar. Anwender können damit individuelle Vision Apps selbst erstellen und auf NXT-Kameras installieren und ausführen.

Fazit

Mit NXT ocean stellt IDS eine Hardware-Software-Kombination vor, die optimal aufeinander abgestimmt ist. Intelligente Erkennungsvorgänge und Automatisierung in vielen Anwendungsgebieten werden vereinfacht bzw. erstmalig möglich. In wenigen Schritten und ohne Programmierkenntnisse lassen sich KI-basierte Bildverarbeitungslösungen erstellen und ausführen. Mit der Trainingssoftware NXT lighthouse ist der Hersteller bewusst in die Cloud gegangen, um Speicherplatz und Trainingsperformance auf die Anforderungen der Anwender skalieren zu können. Zudem müssen keine Update- und Wartungsphasen eingeplant werden, um von kontinuierlichen Verbesserungen zu profitieren. Für den Einstieg in die KI-basierte Bildverarbeitung bietet die Firma zudem ein Inferenz-Starter-Paket mit allen benötigten Komponenten an.

Thematik: Technologie
IDS Imaging Development Systems 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