Robuste und performante KI-Lösung basierend auf Industrial Edge
Gewinnerlösung
Robuste und performante KI-Lösung basierend auf Industrial Edge
Wir bieten eine robuste, industrie-taugliche KI-Lösung basierend auf Siemens Industrial Edge. Die Lösung bietet die Möglichkeit eine Vielzahl von Standard-Industriesensoren mittels Konnektoren in die Plattform einzubinden. Die Sensordaten können lokal gespeichert oder gepuffert werden bzw. in Echtzeit weiterverarbeitet werden. Verschiedene Analyse Modelle und Algorithmen können über einen Plugin-Mechanismus dynamisch geladen werden.
In der Lösung bieten wir verschiedene Möglichkeiten zur Qualitätsbestimmung von Holz an:
1. RGB Kameras als Datenquelle für die Qualitätskontrolle
2. Erweiterung des Systems mit weiteren Sensoren wie Hyperspectral Imaging (HSI) für die multimodale Analyse
Hyperspectral Imaging ermöglicht es, dass bei der Inspektion von Holz nebst Farbinformationen auch weitere relevante Merkmale wie z.B. die chemische Zusammensetzung (Zellulose, Harze, diverse Kohlenwasserstoffe, Metaboliten Schimmelbefall, etc.) erhoben werden können. Durch die geeignete Kombination unterschiedlicher Sensordaten, (Farbdaten, Nahinfrarotspektren, etc.) lassen sich die zur Lösung der Applikation geeigneten Eigenschaften des Produktes ableiten.
Bei der KI-Modellerstellung werden effiziente Lernmethoden wie z.B. Transfer Learning für die verbesserte Übertragbarkeit von bestehenden KI-Modellen angewendet. Diese Methoden reduzieren den Aufwand in der Modellerstellung bzw. ermöglichen eine robuste Klassifikation mit einem geringen Set an gelabelten Daten.
Die Edge-Lösung wurde bereits in verschiedenen Industriesektoren wie z.B. Holzindustrie, Elektronikfertigung, Food&Beverage, oder Pharma erprobt. Diese Flexibilität wird vorallem durch den Plug-in Ansatz ermöglicht, welcher die Systemerweiterung anhand eines Baukastenprinzips ermöglicht. Wir bieten ein Software Development Kit (SDK) um einer Vielzahl von Experten und Anwendern die Erweiterung des Systems zu ermöglichen.
In der Lösung bieten wir verschiedene Möglichkeiten zur Qualitätsbestimmung von Holz an:
1. RGB Kameras als Datenquelle für die Qualitätskontrolle
2. Erweiterung des Systems mit weiteren Sensoren wie Hyperspectral Imaging (HSI) für die multimodale Analyse
Hyperspectral Imaging ermöglicht es, dass bei der Inspektion von Holz nebst Farbinformationen auch weitere relevante Merkmale wie z.B. die chemische Zusammensetzung (Zellulose, Harze, diverse Kohlenwasserstoffe, Metaboliten Schimmelbefall, etc.) erhoben werden können. Durch die geeignete Kombination unterschiedlicher Sensordaten, (Farbdaten, Nahinfrarotspektren, etc.) lassen sich die zur Lösung der Applikation geeigneten Eigenschaften des Produktes ableiten.
Bei der KI-Modellerstellung werden effiziente Lernmethoden wie z.B. Transfer Learning für die verbesserte Übertragbarkeit von bestehenden KI-Modellen angewendet. Diese Methoden reduzieren den Aufwand in der Modellerstellung bzw. ermöglichen eine robuste Klassifikation mit einem geringen Set an gelabelten Daten.
Die Edge-Lösung wurde bereits in verschiedenen Industriesektoren wie z.B. Holzindustrie, Elektronikfertigung, Food&Beverage, oder Pharma erprobt. Diese Flexibilität wird vorallem durch den Plug-in Ansatz ermöglicht, welcher die Systemerweiterung anhand eines Baukastenprinzips ermöglicht. Wir bieten ein Software Development Kit (SDK) um einer Vielzahl von Experten und Anwendern die Erweiterung des Systems zu ermöglichen.
Mehrwert
Wir bieten eine skalierbare Lösung die sowohl auf der Hardwareebene skalieren kann (verschiedene Typen von Edge Devices stehen zur Verfügung) als auch auf der Software Ebene. Modelle können sowohl auf der Edge trainiert bzw. verbessert werden als auch auf einem hochskalierbaren Compute Cluster in der Cloud. Die Einbindung von multimodalen Sensoren ermöglichen die umfangreiche und präzise Klassifikation von Rundholz.
Die Übertragbarkeit der KI-Modelle auf verschiedene Linien und Standorte ist mittels Cutting-Edge Lernmethoden wie Transfer & Federated Learning gewährleistet. Bestehende Modelle können als Templates in eine Cloud-Repository gehostet werden und für den jeweiligen Standort auf einem Edge Device instanziiert werden. Wir bieten benutzerfreundliche Web-Tools für die Auswahl von Templates, Datensatz Selektion und Deployment von KI-Modellen auf das Edge Device.
Das System bietet maximale Verfügbarkeit und Performance da Daten auf dem Edge zwischengespeichert werden können. Die mögliche Rückwirkung auf die Automatisierungsebene ist unabhängig von der Internetverbindung und ist zu jedem Zeitpunkt gewährleistet.
Die Übertragbarkeit der KI-Modelle auf verschiedene Linien und Standorte ist mittels Cutting-Edge Lernmethoden wie Transfer & Federated Learning gewährleistet. Bestehende Modelle können als Templates in eine Cloud-Repository gehostet werden und für den jeweiligen Standort auf einem Edge Device instanziiert werden. Wir bieten benutzerfreundliche Web-Tools für die Auswahl von Templates, Datensatz Selektion und Deployment von KI-Modellen auf das Edge Device.
Das System bietet maximale Verfügbarkeit und Performance da Daten auf dem Edge zwischengespeichert werden können. Die mögliche Rückwirkung auf die Automatisierungsebene ist unabhängig von der Internetverbindung und ist zu jedem Zeitpunkt gewährleistet.
Dateien & Infos
Rückfragen & Kommentare
Bereits eingereichte Lösungen
Cookies
Wir verwenden Cookies, um sicherzustellen, dass wir Ihnen das beste Erlebnis auf unserer Website bieten.
Erfahren Sie mehr unter "Erhebung von Zugriffsdaten, Logfiles und Cookies" in unserer Datenschutzerklärung.
Bitte melden Sie sich an, wenn Sie ein Feedback hinterlassen möchten.