Anzeige

Telefon: +49 (0) 821 4086-0

www.kontron.de


AI at the Edge

Programmierung von AI-Lösungen unter Java und .NET

Mit dem Framework Susietec von S&T Technologies kann Kontron nun auch AI-Lösungen für seine Edge Computer aus einer Hand anbieten, z.B. auch für Bildverarbeitungsaufgaben.

Bild: Kontron S&T AGBild: Kontron S&T AG
Bild 1 | Das Software Framework Susietec von S&T Technologies enthält auch Komponenten mit denen AI-Anwendungen unter Windows mit Java und .NET einfach selbst programmiert werden können.

Edge Computer erfüllen neben der Maschinensteuerung noch weitere wesentliche Aufgaben: Zum einen dienen sie als Gateways in das Netzwerk bis hin zum Internet.

Bild: Kontron S&T AGBild: Kontron S&T AG
Bild 2 | Der High Performance Server Kiss 4U V3 SKX ist dank der Dual Intel Xeon SP Prozessoren speziell für anspruchsvolle Anwendungen geeignet: z.B. High-End-Bildverarbeitung, AI und Machine Learning.

Zusätzlich zum traditionellen Gateway, das Daten an die Cloud weiterleitet, übernimmt ein Edge Device aber auch Funktionen der Cloud, wie das Filtern und Bewerten von Daten. Ein Edge Device garantiert also verlässlich eine Funktion, auch wenn die Verbindung in die Cloud gerade nicht vorhanden ist oder nicht genügend Bandbreite bereitsteht. Weiter können leistungsfähige Embedded Computer direkt an der Maschine anspruchsvolle Aufgaben übernehmen, die in der Cloud aufgrund von Latenzzeiten und Bandbreitenbeschränkungen nicht erledigt werden können, etwa Anwendungen der Artificial Intelligence (AI). Im Bereich der Bildverarbeitung etwa, werden Aufnahmen über eine Kamera, die entweder über USB oder Netzwerk angeschlossen ist, direkt auf dem Edge Device von einem trainierten neuronalen Netz, im Inference-Prozess analysiert und ausgewertet. Weitere Anwendungsmöglichkeiten für Computer mit Edge Performance bietet auch das Deep Learning, in dessen rechenintensiven Prozess zumeist vorgefertigte neuronale Netze trainiert werden, um dedizierte Anwendungen zu erfüllen. Dies Edge-seitig umzusetzen ist meist effizienter als zunächst Terabyte-weise Trainingsmaterial in die Cloud hochzuladen. Anwender erwarten allerdings in den meisten Fällen bereits ein fertiges Produkt, z.B. wenn es um Objekterkennung geht. Ein minimal viable product, das also den Mindestanforderungen genügt, muss eine Trefferquote von mindestens 80 Prozent haben. Die Anwendungsbeispiele hierfür sind vielfältig, unter anderem?

  • • Waagen im Supermarkt sollen automatisch erkennen, welche Art Obst oder Gemüse abgewogen wird. Kunden müssen sich nicht mehr die dazugehörige Nummer merken und Angestellte an der Kasse nicht prüfen, ob der Preis stimmt.
  • • Bei der professionellen dauerhaften Haarentfernung mittels Laser kann das Gerät automatisch erkennen, auf welchen Hauttyp es sich einstellen soll.
  • • Bei Reparaturen und Instandhaltung reicht ein Bild des auszutauschenden oder defekten Teils, damit eine Software/App das Teil korrekt identifiziert und ggf. sofort eine Bestellung auslöst.

Kontron S&T AG

Dieser Artikel erschien in inVISION 3 2019 - 07.06.19.
Für weitere Artikel besuchen Sie www.invision-news.de

Firmenportrait