Artificial Intelligence of Things (AIoT) blir allt viktigare inom industrin och AI tar sig in på de mest oväntade områden. Jeroen Baerents från Advantech Europe tittar här på hur AI-tillämpningarna kan se ut och vad som kan behövas för att implementera AIoT fullt ut.

Big Data är den nya oljan för industrin, och parallellerna mellan de två handelsvarorna är slående. Att frigöra det latenta värdet inom data påverkar alla aspekter av liv och arbete, och det påverkar hur infrastrukturer hanteras. Det öppnar möjligheter för nya aktiviteter och förändrar hur företag verkar, tänker och levererar nya produkter och tjänster.

Det sätt på vilket data hanteras – från utvinning, förädling och transport till de processer som tillämpas för att härleda produkter med mervärde – har stor betydelse för dess värde. Datarevolutionen har precis börjat. Möjligheterna är oändliga och många har vi ännu inte förstått. Datorkraft ligger till grund för och definierar varje steg i datalivscykeln, och möjligheten att enkelt, effektivt och snabbt flytta data till rätt bearbetningsplattform är grundläggande.

Framväxande AIoT
IoT ger den grundläggande infrastrukturen som förbinder dem alla. För att leverera nödvändig flexibilitet, anpassningsförmåga, säkerhet, robusthet och tillförlitlighet, består IoT av en mängd olika tekniker såsom etablerade internettekniker samt nya tekniker såsom AI, 5G och Wi-Fi 6, vilka är projekterade för mycket större effektivitet och skalbarhet än föregående generationer.

Hela lösningen, från sensorer och aggregatorer till det centrala molnet, måste utformas som en helhet för att garantera optimal prestanda och effektivitet. Vad som händer i edge är allt viktigare för resultatet.

Låg latens och realtidsrespons är avgörande för vissa scenarier, till exempel industriella IoT-implementeringar (IIoT). Dessutom är det viktigt att garantera att nätverksbandbredd och datorkraft, samt energi, utnyttjas effektivt. Båda dessa punkter driver utvecklingen mot mer behandling av rådata lokalt, nära källan, vilket gör att tidskritisk respons kan kommuniceras tillbaka snabbt och endast viktiga data överförs till det centrala molnet. Gartner har förutspått att 75 % av all data kommer att bearbetas i edge år 2025.

Att införa AI i edge och inbäddad computing skapar AIoT, eller Artificial Intelligence of Things. AI tillför värde till IoT genom maskininlärningsmöjligheter, medan IoT tillför värde till AI genom anslutningsbarhet, signalering och datautbyte.

En komplett AIoT-lösning samlar många element och kräver ett brett spektrum av kompetenser. Med så många aspekter i värdekedjan kan systemintegration verka komplicerad, tidskrävande, dyr och potentiellt oekonomisk.

För att göra AIoT till något verkligt och levererbart som effektivt utnyttjar edge och inbäddade tekniker i en effektiv kombination, behöver systemintegratörer mjukvaru- och hårdvarubyggstenar som är utformade för AIoT-applikationer. För att minimera utvecklingsrisker och förkorta färdigställandetider, bör dessa byggstenar även vara standardiserade. De bör använda sig av öppna standarder samtidigt som de erbjuder plug-and-play-bekvämlighet och enkelhet.

Alternativ för Edge Computing (lokal datorkraft)
Advantech tillgodoser denna efterfrågan genom att skapa plug-and-play-dataplattformar och mjukvaruramar som förenklar och effektiviserar spridningen av nya AIoT-applikationer till edge och inbäddade scenarier. Dessa omfattar mjukvaruplattformar såsom Edge AI Suite och WISE-DeviceOn (figur 1).

Edge AI Suite inkluderar Intel OpenVINO toolkit och har funktioner som underlättar djupinlärning av edge-enheter, till exempel en modelloptimerare, inferensmotor, förutbildade modeller såsom snabb objektdetektering och mänsklig poseuppskattning, samt en distributionsguide för att lansera AI-modeller. Den är också förberedd för tredjeparts SDK såsom fordonsklassificering och registreringsskyltigenkänning. Förutom stöd för öppen källkod, omfattar den leverantörsneutrala EdgeX Foundry en mjukvaruram för samverkan mellan applikationer och enheter såsom sensorer, vilket hjälper användare att upprätta enkla plug-and-play-anslutningar.

Figur 1. WISE-DeviceON-applikationer underlättar hantering av anslutna enheter.

WISE-DeviceON tillhandahåller funktioner för enhets- och datahantering i realtid och möjliggör omedelbar intelligent edge onboarding, datainsamling och statusvisualisering. Dessutom finns en uppsättning WISE-DeviceOn-industriappar avsedda för specifika domänkrav, såsom DeviceOn.DM för drift och hantering av industriella IoT-enheter. DeviceOn DM:s användarvänliga gränssnitt gör lättare att både på plats och att på distans t.ex. övervaka enhetens hälsa, utföra realtidsåtgärder såsom att slå på/stänga av, felsöka problem och skicka uppdateringar av programvara och fasta programvaror over-the-air (OTA). Även DeviceOn.CommBridge finns med funktioner som datainsamling, protokollkonvertering, regelmotor och lättintegrerade API:er för att snabbt svara på krav från edge-intelligens och hjälpa kunder att uppnå digital omvandling och uppgradering under IoT-eran.

Andra DeviceON-appar inkluderar DeviceOn/iEdge för data- och edgehantering, DeviceOn/Kiosk+ för fjärrkioskhantering, DeviceOn/ePaper, DeviceOn/Display och DeviceOn/SQ Manager för fjärrkontroll och hantering av relaterade kringutrustningsmoduler. Dessa funktioner hjälper kunder att hantera anslutna IoT-enheter samtidigt som edge-till-moln-applikationer byggs.

Edge+ förbättrade computing-plattformar inkluderar funktioner som databearbetning, trådlös anslutning och molnintegrering, samt använder domänfokuserad programvara såsom DeviceOn-appar. Edgedatorn ARK-3532 är optimerad för maskin- och fabriksautomatiseringsapplikationer och levereras redo för IoT-hantering med branschstandardkommunikationsgränssnitt, inbyggda säkerhetsfunktioner och förinstallerad WISE-DeviceOn. ARK-3531 kan användas för fjärrkioskapplikationer och har en kraftfull beräkningsmotor och DeviceOn/Kiosk+-programvara.

Å andra sidan erbjuder EIS-S230 Edge Cloud Solution en skalbar lokal plattform med inbyggd Kubernetes och on-demand-mikrotjänster. Dessutom finns Edge+ digitala skyltningslösningar såsom DS-085 quad 4K-signage player, utformad för energieffektivitet och med en slim outline för att möta behoven i applikationsmiljön.

Det finns även olika Edge AI-system såsom AIR-101, vilka är optimerade för visuell AI med två Intel Movidius VPU:er och programvara som inkluderar Edge AI Suite. För AI-interferens i realtid och högpresterande datorkraft i industriella applikationer kan AIR-300 Edge AI-systemet specificeras med upp till en Core i7-processor och har en PCIex16-plats för ett högpresterande grafikkort. Lagringskapaciteten är stor för att rymma ett stort antal bilder samt tillräcklig bandbredd för effektiv dataöverföring.

Ett sådant system används i applikationer såsom industriell visuell inspektion, där traditionell maskinvisning med regelbaserade algoritmer ofta lider av problem med att upptäcka alla typer av defekter. Dessutom är det svårt att uppdatera traditionella system för att känna igen nya defekter.

Edge-intelligens i arbete
Genom att använda AI och djupinlärningsteknik i AIR-300 kunde systemintegratörer som arbetade med en inspektionslösning för ett keramikföretag övervinna dessa välbekanta begränsningar och utföra visuell defektinspektion i realtid. Genom att skicka tagna bilder till edge AI-systemet för realtidsslutsatser kunde defekta produkter snabbt identifieras. Systemet kan även användas som en lokal utbildningsserver när inspektionssystem för defekter måste uppdateras för att inspektera nya produkter. AI-baserad defektinspektion kan ändras genom att helt enkelt förbereda utbildningsdatauppsättningar med de nya defekttyperna. På detta sätt krävs inte längre hjälp av dyra specialiserade ingenjörer vid uppdatering av inspektionssystem för defekter.

Edge AI-teknik möjliggör nu att modeller för t.ex. visuell defektinspektion kan köras på edge-datorer, vilket minskar totalkostnaden betydligt samtidigt som systemets responstider förbättras genom att spela in videor och möjliggöra respons nära händelsekällan.

När pandemin var som värst, hjälpte Advantech en taiwanesisk systemintegratör att skapa en kombinerad ansiktsigenkännings- och termisk bildlösning med hjälp av AIR edge AI-systemet, genom att använda Advantech VEGA-300-seriens AI-accelerationsmoduler och den industriella appen Advantech FaceView.

Genom att samarbeta med partners för att skapa ett brett urval av edge computing-lösningar, och med systemintegratörer för att hjälpa till att sätta ihop rätt kombinationer, möjliggör Advantech nästa generations AIoT-lösningar.

Sammanfattning
För att möta dagens prestanda- och effektivitetskrav, flyttar intelligensen i IoT alltmer ut från centrala molntjänster till edge computing-plattformar som hanterar beslutsfattande och datafiltreringsuppgifter i realtid. AI har en ledande roll i denna framväxande intelligenta edge och systemintegratörer behöver hjälp för att leverera kraftfulla och flexibla lösningar utan att behöva vända sig till experter inom neurala nätverk eller datavetenskap. Hård- och mjukvara av typ plug-and-play är öppna och flexibla byggstenar för att bygga den nya AIoT.

Jeroen Baerents, Europeisk chef för affärsutveckling/Produktförsäljningschef, Advantech Europe

Filed under: Embedded