Embedded Vision treibt Innovation across Industries

Embedded-Vision-Technologie steht davor, fast jeden Aspekt des täglichen Lebens zu durchdringen. Ein aktuelles Panel auf der Embedded World 2021 beleuchtete aktuellen Einsatz, KI-Integration und Edge-Cloud-Dynamik.

Fortschritte bei Sensoren, Prozessoren und Software treiben Embedded Vision in Landwirtschaft, Fertigung, autonome Fahrzeuge und Profisport. Die COVID-19-Pandemie beschleunigte den Einsatz weiter, mit Vision-Systemen nun genutzt für öffentliche Überwachung, Gesundheitschecks und Sicherheitsinspektionen.

KI-aktivierte Embedded Vision

Künstliche Intelligenz transformiert die Bildverarbeitung, da Entwickler zunehmend Deep Learning und neuronale Netze einsetzen, um Objekterkennung und -klassifizierung zu verbessern. KI eröffnet neue Möglichkeiten, doch Panelisten waren sich einig, dass sie einfacher zu nutzen sein muss.

„KI bietet signifikante Vorteile für Kunden, kann sich aber unbeholfen anfühlen“, sagte Olaf Munkelt, Managing Director von MVTec Software. „Wir müssen den gesamten KI-Workflow vereinfachen – von Data Labeling und Inspektion bis Management und Deployment – damit Embedded-Vision-Lösungen schnell greifbaren Wert liefern.“ Munkelt forderte einen integrierten Ansatz, der jeden Schritt strafft, einschließlich semantischer Segmentierung, Klassifizierung und Anomalieerkennung.

Fredrik Nilsson, Leiter der Machine-Vision-Einheit bei Sick, bekräftigte dies. Er merkte an, dass Deep Learning Aufgaben löst, mit denen regelbasierte Bildverarbeitung kämpft, aber die beiden Ansätze für die absehbare Zukunft koexistieren werden. „Hybride Lösungen – Deep Learning für Segmentierung und traditionelle Algorithmen für Messung – werden Standard“, sagte Nilsson.

Munkelt hob auch den Wettlauf bei KI-Beschleuniger-Hardware hervor. Start-ups produzieren Chips, die etablierte GPU-Anbieter um das 10- bis 20-fache übertreffen können. Geschwindigkeit wird kritisch, wenn Bildvolumen wachsen, und die Vision-Community erforscht diese Beschleuniger aktiv für maximale Performance.

Was passiert am Edge? Was passiert in der Cloud?

Amazon Web Services (AWS) skizzierte eine Dual-Strategie für Embedded Vision. Austin Ashe, Leiter strategischer OEM-Partnerschaften für IoT, sagte, AWS ziele darauf ab, die Einstiegshürde für Neulinge zu senken und Wert über initiale Piloten hinaus zu erweitern. „Etwa 75 % der Unternehmen planen, innerhalb der nächsten zwei bis fünf Jahre von Pilot auf Vollbetrieb zu wechseln“, sagte Ashe und betonte die Notwendigkeit der Orchestrierung zwischen Edge und Cloud.

Edge-Geräte handhaben Latenz, Bandbreite, Kosten und Sicherheit. AWS kann Geräte überwachen – ob einzelne Einheit oder Flotte – und liefert Echtzeit-Alerts sowie Over-the-Air-Updates. Dieses Modell erlaubt Unternehmen, ein Modell in der Cloud zu trainieren und es dann nahtlos auf ihre Maschinen zu deployen.

Für Organisationen ohne Data-Science-Talent erklärte Ashe, dass das Hochladen von nur zehn bis zwölf Anomalie-Bildern in die Cloud sofort ein benutzerdefiniertes Detektionsmodell erzeugen kann, das dann iteriert und an den Edge gepusht werden kann.

Während der Konferenz demonstrierten Basler und AWS, wie ihre Partnerschaft die Lücke mit AWS Panorama – einer Machine-Learning-Appliance und SDK, die Echtzeit-visuelle Entscheidungsfindung ermöglicht – und Amazon Lookout for Vision, einem Service, der Defekte und Anomalien in Bildern identifiziert, schließt.

Da Anwendungen niedrigere Latenz fordern, merkte Ashe an, dass Edge paramount bleiben wird, aber aufkommende 5G-Netze die Integration zwischen Cloud und Edge straffen und neue Use-Case-Möglichkeiten eröffnen werden.

Komplexität, Größe und Kosten

Arndt Dake, CMO von Basler, warnte, dass die Multi-Prozessor-Landschaft – CPU, GPU, KI-Beschleuniger, ISP – Komplexität hinzufügt. „Kunden müssen Software auf vier Ressourcen statt einer abbilden“, sagte er und betonte, dass Usability und nachweisbare Vorteile Adoption treiben.

Bei Gerätegröße sagte Dake, die Industrie werde weiter schrumpfen, mit Smartphones als Benchmark für kompakte, leistungsstarke Vision-Systeme.

Kosten bleiben eine Barriere. Munkelt merkte an, dass viele Anwendungen aufgrund hoher Preise noch nicht gerechtfertigt sind; Kostensenkung wird neue Möglichkeiten erschließen. Nilsson fügte hinzu, dass einfachere Nutzung, niedrigere Preise und kleinere Geräte Embedded Vision für kleinere Unternehmen zugänglich machen, die die Technologie noch nicht angenommen haben.

>> Dieser Artikel wurde ursprünglich auf unserer Schwesterseite EE Times Europe veröffentlicht.