Startseite > Messen + Testen > Von der Anwendung, über Algorithmen auf die Hardware

Systemdesign / Fachinterview embedded-KI

Von der Anwendung, über Algorithmen auf die Hardware

12. April 2019, 10:29 Uhr | Dr. Constantin Tomaras, Ressortredakteur für Systemdesign, DESIGN&ELEKTRONIK

▶ Diesen Artikel anhören

Fortsetzung des Artikels von Teil 5

Hardware-Plattform | EV-COG-AD4050LZ / EV-GEAR-MEMS1Z

D&E: Welche KI-Methoden können mit dem Eval-Board umgesetzt werden,
welche Anwendungsfälle wurden bereits damit validiert?

FS: In verschiedenen Projekten im embedded-Bereich haben wir schon sehr unterschiedliche Algorithmen eingesetzt und entwickelt. Wie schon erwähnt, sehen wir noch enormes Optimierungspotential der Algorithmen
hinsichtlich Speicherbelegung und Rechenleistung derart, dass diese auch wie beispielsweise auf dem EV-COG-AD4050LZ eingesetzt werden können. Es kann ein breites Spektrum an Algorithmen umgesetzt werden, von einfacher Signalverarbeitung über modellbasierte, adaptive Verfahren bis hin zu Algorithmen aus dem maschinellen Lernen.

Bei richtiger Optimierung der Algorithmen ist es sogar möglich ein einfaches neuronales Netz – bestehend aus jeweils einer Eingangs-, Zwischen- und Ausgangsschicht – auf dem Eval-Board zu implementieren, und zwar inklusive der Vorverarbeitung wie Normalisierung, FFT und Feature Pooling sowie das Training des neuronalen Netzes. Insbesondere das direkte Training auf dem Eval-Board ermöglicht die lokale Adaption zur Laufzeit, ohne die Kommunikation mit einem Edge-Rechner oder einer Cloud-Plattform.

Genau dieses konnten wir schon auf dem EV-COG-AD4050LZ umsetzen und Daten verschiedener Sensoren wie Beschleunigungssensor und Mikrofon verarbeiten, um unterschiedliche Maschinen- und Fehlerzustände zu klassifizieren sowie auch Anomalien - also bis-dato unbekannte Zustände - zu erkennen.

DL: Auch andere Sensoren können an die Eval-Plattform angeschlossen werden, sodass die eingesetzten KI-Methoden durch die sogenannte Multi Sensor-Datenfusion, eine bessere Einschätzung der aktuellen Situation liefern können. D.h. verschiedene Fehlerzustände können mit einer besseren Granularität und höherer Wahrscheinlichkeit klassifiziert werden.

D&E: Ein Eval-Board mit Cortex-M4F wirkt neben den viralen GPU-Plattformen zunächst wenig spektakulär. Hat das Design besondere Features, die Folge der eingesetzten KI-Algorithmen sind? Ist das Design auf industrielle Umgebungen abgestimmt?

DL: Der auf dem arm Cortex-M4F-Prozessor basierende Mikrocontroller ADuCM4050 (MCU), ist ein extrem stromeffizientes integriertes Mikrocontrollersystem, mit integriertem Power-Management, analogen und digitalen Peripheriegeräten zur Datenerfassung, -verarbeitung, -steuerung und -konnektivität. All dies macht es zu einem sehr guten Kandidaten, für batteriebetriebene IoT-Anwendungen, z.B. intelligente drahtlose Sensornetzwerke, die lokale Signalverarbeitung erfordern.

Zusammen mit unseren Partnern Shiratech und Arrow haben wir eine offene embedded-Plattform für industrielle CbM-Anwendungen entwickelt [1]. Diese wird auch für industrielle Umgebungen qualifiziert.

Jobangebote+ passend zum Thema

Ingenieur/Elektroingenieur/Elektrotechniker als Field Application Engineer

GEYER Electronic GmbH, Planegg

Alle Jobangebote im Elektroniknet Karrierebereich anzeigen

D&E: Ist das Shield nur ein weiteres Sensorboard mit Treibern in c, oder wurden diese Komponenten besonders für die Kommunikation mit Softwaremodulen aus KI-Frameworks optimiert?

DL: Der EV-COG-AD4050 ist eine Entwicklungsplattform für Ultra-Low-Power-Technologie im gesamten Sensor-, MCU- und HF-Transceiver-Portfolio von ADI, während der EV-GEAR-MEMS1Z hauptsächlich für die Bewertung verschiedener MEMS-Technologien von ADI konzipiert ist - für ultra-Beschleunigungssensoren mit niedrigem Stromumsatz und geringem Rauschen und hohem Dynamikbereich.

Die Kombination aus EV-COG-AD4050 und EV-GEAR-MEMS1Z kann, für den Einstieg in die Welt der Struktur- und Zustandsüberwachung, auf der Grundlage von Schwingungs- und Schallanalysen verwendet werden. Die Plattform verwendet CrossCore Embedded Studio, eine Open Source Eclipse-basierte IDE, die unentgeltlich heruntergeladen werden kann. Die Plattform enthält viele Beispielprojekte für Hardware und Software, um den Kunden den Prototypen zu erleichtern und Komplettlösungen für IoT-Anwendungen zu entwickeln. Zur COG-Familie gehören u.a. auch andere Shields. Z.B. EV-COG-SMARTMESH1Z kombiniert eine hohe Zuverlässigkeit und einen extrem geringen Stromumsatz mit einer nativen IP-Layer, für ein robustes und standardisiertes Kommunikationsprotokoll, das eine Vielzahl von industriellen Anwendungen adressiert [2].

Die von uns eigesetzten KI-Methoden wurden basierend auf der HW und Endapplikation ausgewählt.