Nel mondo dell'IoT, un progettista può innovare attraverso tecnologie complementari. In questo articolo di Andreas Burghart, Principal IoT Technology Manager di Digi International, puoi scoprire come l'IoT medico e industriale (IIoT) stia spingendo verso il prossimo livello di innovazione.
Come l'apprendimento automatico (ML) e la visione artificiale (MV) stanno cambiando il nostro mondo
Le tecniche di apprendimento automatico possono essere applicate a un'ampia gamma di attività di classificazione ed elaborazione delle immagini della visione artificiale. Inoltre, grazie all'adozione in larga scala di applicazioni, sta diventando sempre più conveniente aggiungere funzionalità ML e MV a una crescente varietà di prodotti IoT.
I sistemi di visione artificiale utilizzano in genere sensori digitali all'interno di moduli di telecamere industriali dove le immagini vengono elaborate e analizzate. Se utilizzate con l'apprendimento automatico, le applicazioni di visione artificiale possono eseguire attività complesse in modo affidabile e coerente.
Nelle applicazioni sanitarie, possono monitorare i pazienti o rilevare anomalie nelle immagini radiologiche, migliorando la cura dei pazienti o addirittura salvando vite umane.
In un ambiente industriale, possono fornire ispezioni per il controllo qualità di molti articoli identici su un nastro trasportatore senza errori o logoramento. Di fatto, a visione artificiale può offrire risparmi sui costi e vantaggi in termini di controllo qualità in quasi tutti i processi di produzione di massa che richiedono il monitoraggio visivo.
Vantaggi aziendali dell'apprendimento automatico combinato con la visione artificiale
Sebbene la potenza combinata di apprendimento automatico e visione artificiale offra molti vantaggi, alcuni dei più importanti sono quelli che favoriscono i miglioramenti operativi nel mondo reale e che hanno un impatto sui profitti.
- • Maggiore qualità dei prodotti: ispezione, misurazione, calibrazione e verifica assemblaggio.
- • Maggiore produttività: le attività di routine e ripetitive possono essere eseguite in modo rapido e automatico, liberando il personale per attività di maggior valore.
- • Costi ridotti: l'aggiunta di funzionalità di visione artificiale alle apparecchiature può migliorare le prestazioni e prolungare la vita utile. Anche i sistemi di visione artificiale all'interno di una fabbrica occupano meno spazio degli operatori umani e non richiedono lo stesso livello di infrastrutture di sicurezza.
Perché scegliere l'edge computing?
Le applicazioni di apprendimento automatico/visione artificiale funzionano in tempo reale. Con l'edge computing, le applicazioni possono elaborare più vicino a dove avviene effettivamente la produzione aziendale. L'edge computing è molto vantaggioso in situazioni in cui l'ampiezza di banda o la latenza sono un vincolo, come ad esempio in un impianto di produzione in cui decine di articoli al minuto vengono ispezionati da un sistema di apprendimento automatico/visione artificiale mentre passano su un nastro trasportatore.
Vantaggi delle prestazioni dell'edge computing
Le attività di elaborazione odierne si stanno spostando verso l'edge computing per ottenere enormi miglioramenti in termini di efficienza e prestazioni, tra cui i seguenti:
- • Latenza ridotta: l'edge computing fornisce tempi di risposta più rapidi senza la necessità di utilizzare i dati di invio e recupero dal server.
- • Capacità di operare offline: in caso di interruzione delle comunicazioni, il sistema può raccogliere, memorizzare ed elaborare i dati autonomamente.
- • Costo ridotto: i costi di rete diminuiscono man mano che si riduce il flusso di dati.
- • Consumo energetico ridotto: i dispositivi IoT alimentati a batteria possono trarre vantaggio dal risparmio energetico, poiché vengono inviati meno dati.
Implementazioni di successo di strumenti e supporto software
Creare una soluzione di apprendimento automatico non è un'impresa da poco. L'hardware, gli strumenti di sviluppo e i componenti software giusti per l'elaborazione delle immagini basata sull'apprendimento automatico sull'edge possono contribuire in modo considerevole al successo dell'implementazione.
Au-Zone Technologies offre un toolkit per lo sviluppo di sistemi di imaging basati sull'apprendimento automatico su dispositivi embedded con vincoli di prestazioni. I motori di inferenza dell'azienda supportano i core MCU, CPU e GPU con un unico workflow standard e formato di modello, fornendo flessibilità e portabilità su tutte le piattaforme. Il sistema Digit ConnectCore® 8X su modulo (SOM) contiene i core di elaborazione MCU, CPU e GPU, consentendo al motore di inferenza di funzionare in modo efficiente su una qualsiasi di queste risorse di calcolo.
Visualizza prodotti correlati
Visualizza prodotti correlati
Visualizza prodotti correlati
Visualizza prodotti correlati
Visualizza prodotti correlati
Visualizza prodotti correlati
Visualizza prodotti correlati
Visualizza prodotti correlati
