Steigerung der Fertigungspräzision: Einsatz von visuellen Inspektionssystemen am Edge

Die Fertigungsgenauigkeit wird durch den Einsatz von Edge-KI in visuellen Inspektionssystemen erheblich verbessert. KI-Modelle und -Algorithmen auf Edge-Geräten oder lokalen Servern zu implementieren, anstatt eine Cloud-basierte Verarbeitung zu verwenden.

Die KI-Funktionen befinden sich da wo die Daten generiert werden, was zu einer schnelleren und effizienteren Verarbeitung und Analyse in Echtzeit führt und unabhängig von einer Onlinelösung macht.

Dabei geht es um die Verteilung von Ressourcen und die Speicherung von Daten in lokalen Netzwerken. Embedded devices wie Smartphones, IoT-Geräte, Kameras und Drohnen dienen als Plattformen für die Bereitstellung von KI-Modellen.

Edge AI schließt die Lücke zwischen Automatisierung und der Cloud. Bisher wurden die Daten zur Analyse in die Cloud übertragen. Mit Industrial Edge geschieht dies nun direkt auf der Anlagen- oder Maschinenebene.

Edge AI ermöglicht eine sofortige Entscheidungsfindung durch die Verarbeitung der Daten auf KI - Geräten in Echtzeit.

Dies ist von entscheidender Bedeutung für zeitkritische Anwendungen wie der Analyse von Drohnenbildern, Inlineinspektionssystemen, um sofortige Reaktionen zur Aufrechterhaltung kritischer Prozesse zu ermöglichen.

Durch die lokale Verarbeitung von Daten stellt Edge AI sicher, dass sensible Informationen in den Edge-Geräten verbleiben. Das Risiko von Datenschutzverletzungen und Spionage verringert sich auf annähernd null. Dadurch eignet sich Edge AI für Anwendungen, bei denen Datenschutz und Sicherheit von größter Bedeutung sind, wie z. B. bei Überwachungssystemen und im Gesundheitswesen.

Edge Deployment minimiert die Notwendigkeit, große Datenmengen zu entfernten Servern zu übertragen, was zu geringeren Bandbreitenanforderungen führt. Dies ist vorteilhaft bei begrenzter Netzwerkkonnektivität oder hohen Kosten für die Datenübertragung, z. B. in abgelegenen Industriestandorten, Drohnen, Schiffen, Flugzeugen oder ländlichen Gebieten.

Optimierung des trainierten Modells für den Einsatz auf Edge-Geräten durch Anwendung von Techniken wie Quantisierung, Pruning oder Modellkompression, um die Datengröße und die Rechenanforderungen zu reduzieren, während die Genauigkeit erhalten bleibt.

Auswahl von Edge-Geräten mit ausreichender Rechenleistung, Speicher und Kompatibilität mit ausgewählten KI-Frameworks (z.B. TensorFlow Lite, ONNX Runtime). Bereitstellung des optimierten KI-Modells auf den ausgewählten Edge-Geräten durch Konvertierung in ein mit der Hardware- und Softwareumgebung kompatibles Format.

Implementieren Sie Echtzeit-Analysen auf Edge-Geräten, indem Sie Live-Videos oder -Bilder erfassen, diese mithilfe des KI-Modells verarbeiten und auf der Grundlage der Inspektionsergebnisse Entscheidungen treffen oder Warnmeldungen generieren.

xis Suite ist ein End-to-End-System für die visuelle Inspektion ohne Programmierung, das für die nahtlose Integration in bestehende Produktionsumgebungen entwickelt wurde. Es bietet sowohl Edge-KI als auch Cloud-basierte Datenverarbeitung, die hochauflösende Bilder in Echtzeit mit KI-Algorithmen analysieren, um Fehler präzise zu erkennen und zu klassifizieren.

Mit einer codefreien Plattform für die visuelle Inspektion, die es auch technisch nicht versierten Anwendern ermöglicht, innerhalb von Minuten eine automatisierte Inspektion (AOI) zu entwickeln, zu implementieren und zu nutzen. Mit unserer Lösung können Unternehmen schnell und unabhängig KI-Lösungen entwickeln und anpassen und so eine sichere Grundlage schaffen. Risiken minimieren, Kosten optimieren und das Umsatzwachstum fördern. Die Suite umfasst KI-gestütztes Tagging und maschinelle Lernalgorithmen für schnelle und effiziente Prozesse.