En el mundo de la IoT, un diseñador puede innovar mediante tecnologías complementarias. En este artículo de Andreas Burghart, gerente principal de Tecnología de IoT de Digi International, puede explorar cómo la IoT médica e industrial (IIoT) avanza al siguiente nivel de innovación.
Cómo el aprendizaje automático y la visión artificial están cambiando nuestro mundo
Las técnicas de aprendizaje automático pueden aplicarse a una amplia gama de tareas de procesamiento o clasificación de imágenes de visión artificial. Y, gracias a la escala en la que se adoptan estas aplicaciones, se vuelve rápidamente rentable añadir capacidades de aprendizaje automático y visión artificial a una creciente variedad de productos de IoT.
Los sistemas de visión artificial suelen utilizar sensores digitales dentro de módulos de cámaras industriales donde se procesan y analizan las imágenes. Cuando se utilizan con el aprendizaje automático, las aplicaciones de visión artificial pueden realizar tareas complejas de forma confiable y sistemática.
En las aplicaciones sanitarias pueden monitorear pacientes o detectar anomalías en las imágenes radiológicas, lo que mejora el cuidado de estas personas, o incluso salvan vidas.
En un entorno industrial pueden proporcionar inspecciones de control de calidad de muchos artículos idénticos en una cinta transportadora sin errores ni fatiga. De hecho, la visión artificial puede generar ahorros de costos y beneficios de control de calidad en casi cualquier proceso de producción en masa que requiera monitoreo visual.
Beneficios comerciales del aprendizaje automático combinado con la visión artificial
Si bien son muchos los beneficios de la combinación del poder del aprendizaje automático y la visión artificial, algunos de los más importantes son los que impulsan las mejoras operacionales en el mundo real e impactan en el resultado final.
- • Mayor calidad de los productos: inspección, medición, calibrado y verificación del ensamblaje.
- • Mayor productividad: las tareas rutinarias y repetitivas pueden realizarse de manera rápida y automática, lo que libera al personal para que realicen actividades de mayor valor.
- • Menores costos: la incorporación de funcionalidades de visión artificial a los equipos puede mejorar el rendimiento y extender la vida útil. Los sistemas de visión artificial en una configuración de fábrica también ocupan menos espacio que los operadores humanos y no requieren el mismo nivel de infraestructura de seguridad.
¿Para qué la informática periférica?
Las aplicaciones de aprendizaje automático/visión artificial funcionan en tiempo real. Con la informática periférica las aplicaciones pueden procesar a una distancia más cercana al lugar donde la producción de la empresa se lleva a cabo. La informática periférica es muy ventajosa en situaciones en las que el ancho de banda o la latencia son una limitación, como en una instalación de fabricación donde se inspeccionan docenas de artículos por minuto mediante un sistema de aprendizaje automático/visión artificial mientras pasan por una cinta transportadora.
Beneficios de rendimiento de la informática periférica
El esfuerzo de computación de hoy en día avanza hacia lo periférico para obtener grandes mejoras en eficiencia y rendimiento, incluido lo siguiente:
- • La reducción de la latencia: la informática periférica proporciona tiempos de respuesta más rápidos sin la necesidad de usar datos de ida y vuelta al servidor.
- • La capacidad de operar sin conexión: en caso de una interrupción en las comunicaciones, el sistema puede recopilar, almacenar y procesar datos por sí mismo.
- • La reducción de costos: los costos de red se reducen al disminuir el flujo de datos.
- • La reducción del consumo de energía: los dispositivos de IoT a batería pueden beneficiarse con el ahorro de energía ya que se envían menos datos.
Las herramientas y el software contribuyen a implementaciones exitosas
La creación de una solución de aprendizaje automático no es una hazaña menor. El hardware, las herramientas de desarrollo y los componentes de software correctos para el procesamiento de imágenes basado en el aprendizaje automático periférico pueden contribuir en gran medida a una implementación exitosa.
Au-Zone Technologies ofrece un kit de herramientas para el desarrollo de sistemas de imágenes basados en el aprendizaje automático en dispositivos incorporados con limitaciones de rendimiento. Los motores de inferencia de la empresa son compatibles con los núcleos de MCU, CPU y GPU con un flujo de trabajo y un formato de modelo estándar, lo que proporciona flexibilidad y portabilidad entre plataformas. El sistema 8X de Digit ConnectCore® en módulo (SOM) contiene núcleos de procesamiento de MCU, CPU y GPU, lo que permite que el motor de inferencia se ejecute de manera eficiente en cualquiera de estos recursos de computación.
Ver Productos relacionados
Ver Productos relacionados
Ver Productos relacionados
Ver Productos relacionados
Ver Productos relacionados
Ver Productos relacionados
Ver Productos relacionados
Ver Productos relacionados
