Industrielle AI-Geräteplattform für Edge-Komponenten

Bisher gibt es nur wenig Elektronik mit AI-Funktionalität, die direkt vor Ort auf Edge-Komponenten läuft und zugleich die nötige Performance für die industrielle Nutzung aufweist. Hier setzt die kompakte AI-Geräteplattform von Kontron an, die ein M.2-Modul mit dem Google Coral-Beschleuniger für TensorFlow Lite auf einem 2,5" pITX Single Board Computer mit dem NXP i.MX8M Prozessor kombiniert.
Bild 1 | Die kompakte AI-Plattform erhöht dank einer Google Coral Edge TPU, die bis zu 4 TOPS (trillion operations per second) leistet, die Bilderfassung von Edge Komponenten auf über 30fps.
Bild 1 | Die kompakte AI-Plattform erhöht dank einer Google Coral Edge TPU, die bis zu 4 TOPS (trillion operations per second) leistet, die Bilderfassung von Edge Komponenten auf über 30fps. – Bild: Kontron Europe GmbH

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.

Bild 2 | Die Integration der AI-Plattformen ist in Systeme wie Box-PCs, HMIs oder Rackserver möglich.
Bild 2 | Die Integration der AI-Plattformen ist in Systeme wie Box-PCs, HMIs oder Rackserver möglich.Bild: Kontron Europe GmbH

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.

Kontron S&T AG

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