Anzeige

White Box KI

Sparse Modeling für schlanke und leistungsstarke KI

Sparse Modeling basierte KI benötigt nur einen kleinen Satz von Daten und kann damit auf Embedded Plattformen sowohl KI-Trainingsaufgaben als auch Inferenzalgorithmen ausführen.

(Bild: Hacarus Inc.)


Künstliche Intelligenz besitzt großes Potenzial, die Leistungsfähigkeit und Genauigkeit moderner optischer Inspektionssysteme zu verbessern. Herkömmliche KI-Ansätze bergen jedoch einige Nachteile, wie z.B. die Auswertung großer Datensätze, die Notwendigkeit von vorab klassifizierten Bildern, sowie hohe Rechenleistung und Energiebedarf. Sparse Modeling bietet dagegen einen anderen Ansatz und die Integration in Embedded Low-Power-Applikationen. Es ist mittels Re-Training der Systeme direkt am Edge in der Lage, sich kontinuierlich und dynamisch an wechselnde Bedingungen anzupassen, wie z.B. an die Beleuchtung, Vibrationen oder wenn Kameras und/oder Geräte bewegt werden müssen. Im Wesentlichen ist Sparse Modeling ein Ansatz zur Datenerfassung, der sich auf die Identifizierung einzigartiger Merkmale konzentriert. Einfach ausgedrückt interpretiert Sparse Modeling Daten ähnlich dem menschlichen Verstand, anstatt jedes einzelne Haar und jeden Millimeter einer Person zu betrachten. Der Mensch ist in der Lage, Freunde und Familie anhand von Schlüsselmerkmalen – wie Augen oder Ohren – zu erkennen. Sparse Modeling integriert eine vergleichbare Logik in intelligente Visionsysteme mit der Konsequenz, dass nicht das gesamte Volumen an Big Data verarbeitet werden muss, sondern nur wenige ausgewählte Daten. Sparse Modeling-basierte Algorithmen reduzieren folglich die Daten auf diese einzigartigen Merkmale.

Wenn neue Daten erfasst werden, scannt Sparse Modeling nicht den gesamten Inhalt, sondern sucht für die Vorhersagen nach bestimmten, zuvor festgelegten Schlüsselmerkmalen. Ein zusätzlicher Vorteil des Verfahrens ist, dass die isolierten Merkmale für den Menschen verständlich sind. Sparse Modeling erzeugt somit eine erklärbare White Box KI, was ein Unterscheidungsmerkmal zu konventioneller KI ist. Die ersten Entwicklungsphasen eines Modells, in denen die KI-Engine und kundenspezifische Daten zu einem auf den jeweiligen Anwendungsfall zugeschnittenen Modell zusammengeführt werden, basieren dabei vornehmlich auf menschlicher Expertise. Um ein neues Standard-Inferenzmodell zu entwickeln, benötigt Sparse Modeling für die erste Modellerstellung etwa 50 Bilder, was deutlich weniger ist, als die 1.000 oder mehr Bilder, die für eine herkömmliche KI erforderlich sind.

Tests zeigen, dass Sparse Modeling bei gleicher Genauigkeit nur 1% der Energie einer herkömmlichen Deep Learning Plattform verbraucht und deutlich weniger Trainingszeit. Sie ist damit die perfekte KI-Technologie für Embedded Systeme. (Bild: Congatec AG)

Lauffähig auf Embedded Edge-Geräten

Hardware-technisch kann eine Sparse Modeling-Plattform in praktisch jedes Edge-Gerät integriert werden. Sie kann auf eingebetteten x86-Computerplattformen ausgeführt werden und ist sogar für die Implementierung auf Plattformen wie Xilinx und ARM oder Altera und RISC-V vorbereitet. Das Design ist folglich kompatibel zu Mainstream-x86-Prozessoren als auch zu den aktuellen Open-Source-Lösungen. Da der endgültige Footprint entscheidend von der Aufgabenstellung und Komplexität des benötigten Modells abhängt, empfiehlt sich bei der Einführung von Sparse Modeling folglich eine modulare Hardwareplattform auf Basis von Closed Loop Engineering-fähigen Computer-on-Modulen, die beide Prozessorvarianten bedienen können. Die Präzisionsfertigung profitiert von dieser neuen Technologie, weil die Edge Nodes dank Sparse-Modeling nun genügend Rechenleistung bieten, um Inferenz und Training parallel durchzuführen. Auch wird das Versenden von Daten in die Cloud umgangen. Ein weiteres Anwendungsgebiet ist die Medizintechnik, z.B. bei der Erkennung seltener Erkrankungen, die eben nicht genügend Big Data produzieren, wie sie für die Ausbildung eines Deep Learning-basierten KI-Modells erforderlich wären.

Anzeige

White Box KI

Sparse Modeling für schlanke und leistungsstarke KI

Eine Sparse-Modeling-basierte KI benötigt nur einen kleinen Satz von Daten und kann damit auf Embedded-Plattformen sowohl KI-Trainingsaufgaben als auch Inferenzalgorithmen ausführen. (mehr …)

1 2

Empfehlungen der Redaktion

Das könnte Sie auch interessieren

Die Aktien des Startups Innoviz stiegen am ersten Handelstag an der Nasdaq über 10%. Das in Tel Aviv, Israel, ansässige Unternehmen verfügt über einen Lidar-Sensor, der selbstfahrenden Fahrzeugen eine dreidimensionale Sicht auf die Straße ermöglicht. ‣ weiterlesen

finance.yahoo.com

Anzeige

Der aktuelle inVISION Products Newsletter 3/21 ist erschienen und stellt zwölf neue Produkte aus Bildverarbeitung und Messtechnik vor. Dieses Mal mit Beiträgen von Bitflow, Cognex, Creaform, DCM Sistemes, Edmund Optics, GOM, Lucid Vision, Midwest Optical, Mitutoyo, Polytec, Sensopart und Ximea. ‣ weiterlesen

www.tedo-verlag.de

Anzeige

Es gibt Themen, die so wichtig sind, dass man sie auch mehrere Male erwähnen sollte. Eines davon ist die Richtlinienreihe VDI/VDE/VDMA 2632 (www.vdi. ‣ weiterlesen

www.tedo-verlag.de

Anzeige

Der nächste Innovation Summit von Edmund Optics findet am 3. Juni statt. Imaging-Experten sprechen über die Zukunft der Imaging-Technologie und zeigen in verschiedenen Sessions wertvolle Einblicke in Sensortechnologie, Pixelgröße und Objektive. ‣ weiterlesen

www.edmundoptics.com

Anzeige

Die Technoteam Bildverarbeitung wurde im März 1991 von Prof. Dr. ‣ weiterlesen

www.technoteam.de

Anzeige

JAI ernennt Michael Lisby Jensen (l.) zum neuen CEO. ‣ weiterlesen

news.jai.com

Anzeige

Die aktuelle Ausgabe der inVISION steht online als kostenfreier Download zur Verfügung. Schwerpunkte der April Ausgabe (2/21) sind 3D-Messtechnik, Topographie und CAQ. Zudem werden zahlreiche Fachbeiträge zu Kameras, Embedded Vision und Komponenten geboten und durch Marktübersichten zu Board-Level-Kameras und Vision-Software ergänzt. ‣ weiterlesen

Anzeige

Die bereits bestehende Partnerschaft von Xenics und dem französischen Laser 2000 Team wird nun auf den DACH-Raum und Skandinavien ausgeweitet. Dank des Portfolioausbaus deckt Laser 2000 zukünftig die meisten IR-Wellenlängen von 1 bis 14µm ab und bietet neben den gängigen Flächenkamerasystemen auch Lösungen für Zeilenkamera-Anwendungen sowie den LWIR-Bereich. ‣ weiterlesen

www.laser2000.de

Anzeige

Am Dienstag, den 20. April, stellen ab 14 Uhr Yxlon, Volume Graphics und Viscom in drei 20-minütigen Vorträgen aktuelle Anwendungen, Trends und Produkte aus den Bereichen Computertomografie und Röntgenprüfung vor. Dabei sprechen sie im Rahmen der inVISION TechTalks über Inline-Inspektionen, Analyse und Visualisierungen von Ergebnissen und wie durch den Einsatz von KI bessere Ergebnisse erzielt werden können. ‣ weiterlesen

www.invision-news.com

Anzeige

Der neue 3D-Snapshot-Sensor auf Streifenlichtbasis von Micro-Epsilon setzt in Bezug auf Präzision zur Form- und Oberflächenvermessung neue Maßstäbe. Die Genauigkeit der Höhenmessung in z-Richtung liegt je nach Modell bei 1 oder 2µm, die Wiederholpräzision bei bis zu 0,4µm.‣ weiterlesen

www.micro-epsilon.de

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige