Developer-Kit für Machine Vision AI an der Edge

Developer-Kit für Machine Vision AI an der Edge

Vizi-AI SDK von Adlink ist ein Developer-Starterkit für Machine-Vision-AI-Anwendungen an der Edge. Es enthält zudem ein Intel-Atom-basiertes Smarc-Computermodul mit einer Movidius Myriad X VPU sowie dem OpenVino-Toolkit von Intel.

Entwickler können an das Vizi-AI-Board Bilderfassungsgeräte anschließen und dann Machine-Learning-Modelle verwenden, um die Erkenntnisse aus den Bilddaten zur Optimierung zu nutzen. (Bild: Adlink Technology GmbH)

Entwickler können an das Vizi-AI-Board Bilderfassungsgeräte anschließen und dann Machine-Learning-Modelle verwenden, um die Erkenntnisse aus den Bilddaten zur Optimierung zu nutzen. (Bild: Adlink Technology GmbH)

Neue Technologien wie autonomes Fahren, vernetzte Städte oder das Internet der Dinge (IoT) generieren eine wachsende Flut an Daten. Diese müssen gesammelt, gespeichert, verarbeitet und analysiert werden. Nur dann können Unternehmen die Daten zu ihrem Vorteil nutzen, z.B. um weitere Innovationen zu entwickeln oder daraus Erkenntnisse zu ziehen, die sie dabei unterstützen, bessere Entscheidungen zu treffen und Wettbewerbsvorteile zu erzielen. Edge Computing ist die Lösung für viele dieser Herausforderungen: Daten lassen sich direkt an der Edge sammeln und analysieren. Gleichzeitig benötigen Unternehmen eine geringere Bandbreite als bei der Verarbeitung in einem zentralen Rechenzentrum und können somit schneller agieren. Gerade bei der Vernetzung von Geräten aller Art im IoT spielt auch die künstliche Intelligenz (KI) ihre Vorteile aus. Die Implementierung von KI bei Edge Computing ermöglicht eine einfache Umsetzung von Aufgaben, die normalerweise extrem schwierig und vielschichtig sind. Dazu gehört beispielsweise auch kundenspezifische Qualitätsprüfungen. Machine Learning, kognitive Dienste, Bildverarbeitungsanalyse und andere komplexe Informationsmanagement-Aufgaben können an der Edge durchgeführt werden, um Anpassungen in Echtzeit vorzunehmen. Produktionsanlagen, autonome Fahrzeuge und komplexe Robotik profitieren von dieser höheren Stabilität, der reduzierten Latenzzeit und der gesteigerten Effizienz, die FoF (Force-on-Force)-Arbeitsgänge ermöglichen. Die Genauigkeit lässt sich durch den Einsatz einer KI über kontinuierliches Training erhöhen und dadurch gleichzeitig die Entwicklungszeit deutlich verkürzen.

Seiten: 1 2Auf einer Seite lesen

Thematik:
www.adlinktech.com

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige