Die NXP-basierte AI-Plattform ist für den Betrieb in einem Temperaturbereich von –40 bis +85°C ausgelegt, bei gleichzeitig hoher mechanischer Belastbarkeit. Zwar erzeugen Kamerasysteme in der Regel etwa 400fps, herkömmliche Prozessoren verarbeiten in diesem Zeitraum jedoch nur einen Bruchteil an Bildern. Für die visuelle Fehlererkennung sind jedoch mindestens zehn Bilder eines Objekts notwendig, die Geschwindigkeit an der Produktionslinie hängt also stets von der Performance der Bilderkennung ab. Die AI-Plattform erhöht mit der integrierten Google Coral Edge TPU (Tensor Processing Acceleration Unit), die bis zu 4 TOPS (trillion operations per second) leistet, die Bilderfassung auf 30 oder mehr Bilder pro Sekunde. Je nach Kamera können bis zu 100fps verarbeitet werden. In Bälde soll es zudem ein Box-PC-Produkt geben, das auf dem Google Coral M.2 Modul basiert, integriert in eine Intel Atom Prozessor-Plattform. Die Plattform verwendet einen Linux Yocto Kernel als ein Garant für aktuelle Sicherheitsfeatures. So kann in der Anwendung noch detaillierter auf die individuellen Anforderungen eingegangen werden. Die Integration der Plattformen ist in Systeme wie Box-PCs, HMIs oder Rackserver möglich.
Einfacher AI-Einstieg
Die einfache Nutzung der Open-Source-Plattform Google TensorFlow Lite und der dort bereits vortrainierten neuronalen Netze erleichtert Ingenieuren und Entwicklern den Einstieg in das Thema AI. Praktisch alle Anwendungen auf coral.ai können auf die Kontron-Plattform heruntergeladen und direkt als Basis für das Training mit den individuellen Unternehmensdaten verwendet werden. Zu den möglichen Anwendungsszenarien zählen neben der Qualitätsinspektion auch die Objekterkennung und -Klassifizierung. Bisherige Praxisprojekte zeigen, dass sich im Rahmen einer Testphase mit wenig Aufwand auf Basis bestehender Algorithmen rasch Erfolge erzielen lassen. Gerade KMU sehen sich beim Thema Datenanalyse aufgrund fehlender Ressourcen oft vor Herausforderungen. Ein Team von Kontron Data Scientists berät daher Anwender bei Bedarf zu Implementierung und Umsetzung.
Kostengünstige AI-Lösung
Ein wichtiges Augenmerk sollte bei Unternehmen auf dem konsequenten Sammeln und Labeln von Daten liegen. Denn bei der Beurteilung anhand von Bildern muss der Algorithmus lernen, welche Ergebnisse vom menschlichen Experten als fehlerhaft, korrekt oder noch akzeptabel beurteilt werden würden. Solche Systeme erzielen bereits eine sehr hohe Genauigkeit, sodass sich der durch die Fachkraft zu begutachtende Anteil von Produkten deutlich verringern lässt. Gerade für den Einsatz in der Breite sind allerdings kostengünstige Lösungen entscheidend. Die Kontron-AI-Plattform bietet bei einem kleinen Formfaktor mehrere USB-Schnittstellen und leistungsfähige Ports unter anderem für Kameras. Um eine zehnfache Leistung zum Beispiel bei der Bildverarbeitung zu erreichen, steigen die Kosten für das CPU-Board jeweils um etwa zehn Prozent. So lassen sich Produktionsabläufe mit wenig Kostenaufwand optimieren. Der niedrige Energieverbrauch sorgt dafür, dass sich die Lösung auch bei Umgebungstemperaturen von über 50°C wie z.B. bei der Inspektion von Metallguss-Objekten verwenden lässt.
