Pleora’s hybrid AI solution integrates ’no code‘ algorithm development and powerful edge processing to help manufacturers deploy advanced inspection.
Pleora’s hybrid AI solution integrates ’no code‘ algorithm development and powerful edge processing to help manufacturers deploy advanced inspection.
Die Kria System-on-Module (SOM) von Xilinx sind für den schnellen Einsatz in Edge-Applikationen ausgelegt. Mit vollständigem Software Stack und vorkonfigurierten Applikationen bieten sie neue Möglichkeiten für AI- und Software-Entwickler. Das Kria K26 SOM ist spezifisch auf Vision AI Applikationen ausgelegt.
The inspector 621 camera from Sick has a pre-installed Deep Learning app onboard.
Die kompakte Neon-2000-JNX von Adlink ist die erste industrielle smarte KI-Kamera mit integriertem Jetson-Xavier-NX-Modul von Nvidia, welches mehr als die 10-fache Leistung seines Vorgängers Jetson TX2 ermöglicht.
SSV bietet aufgabenspezifische Industriesensoren für Machine-Learning-Anwendungen in der Smart Factory mit Hilfe eines modularen Baukastensystems nun auch in der Stückzahl 1 an.
Mit der Neon-Serie bietet Aaronn nun auch das ‚Edge Video Analytics‘-System von Adlink Technology an.
Die Smart-Kamera iam von NET ist eine SoC-Plattform mit integriertem FPGA und ARM CPU, womit auch zeitkritische Machine-Learning-Aufgaben gelöst werden, die bisher nur von Host-PCs mit Multicore-Prozessor-Architekturen bewältigt wurden.
Klassische Bildverarbeitung oder smarte Vision-Sensoren ist in vielen Anwendungen die Gretchenfrage. Es gibt aber noch weitere Aspekte, denn mit klassischer Bildverarbeitung lassen sich viele Anforderungen nicht so umsetzen, dass damit auch preissensitive Applikationen erreichbar sind. Neuronale Netze sowie KI eröffnen hier neue Wege. Hinzu kommt, dass die Anwendungen nicht unbedingt im separaten Rechner ablaufen, der Trend geht in Richtung Embedded Vision und Edge.
Optometron hat seine Software VIS-Vision um das Modul Deep Learning erweitert.
Das Vision-App-Konzept der IDS-NXT-Plattform erlaubt es Anwendern, selbst zu bestimmen, welche Bildverarbeitungsaufgaben eine IDS-NXT-Kamera löst – von einfachen Barcode-Erkennungen bis zu komplexen KI-Analysen.
Das Kamerasystem Neon-2000-JT2, besteht aus einer 5MP-Smart-Kamera und dem Jetson-TX2-Modul.
Kleine und mittelständische Unternehmen (KMU) verfügen oft nicht über die erforderlichen Ressourcen, um KI schnell und effektiv in ihre Abläufe zu integrieren. Beim virtuellen KI-Marktplatz von IDS erhalten Anwender nun Zugang zu kompletten Bildverarbeitungslösungen und können sich aus dem Angebot die passende Anwendung aussuchen.
The Deep Learning library EasyLocate completes a range of image processing and analysis libraries that are in regular use with an extensive user base, mostly machine manufacturers who supply the semiconductor and electronics industries. It will be launched as part of the Open eVision 2.15 software of Euresys and can be used to locate and identify objects, products, or defects.
The Astrocyte software of Teledyne Dalsa is a training tool based on Deep Learning algorithms that include classification, anomaly detection, object detection, segmentation and noise reduction. Non-experts in image processing can now train AI systems while reducing costs significantly.
Unzählige IoT-Sensoranwendungen streamen Rohdaten in die Cloud, um die dort vorhandenen Möglichkeiten der Datenverarbeitung zu nutzen. Neben den Sicherheitsbedenken hat dieser zentrale Lösungsansatz im industriellen Umfeld auf Grund der Bandbreiten-, Latenz- und Verfügbarkeitsprobleme aber auch funktionale Nachteile. Ein Cobot Voice/Gesture Interface für die Zusammenarbeit zwischen Menschen und Robotern, Qualitätssicherung per Machine Vision, Condition Monitoring mit Echtzeit-Anomalieerkennung und fahrerlose Transportsysteme (FTS) lassen sich mit einer einfachen Sensor-to-Cloud-Verbindung nicht realisieren. Hier ist zusätzlich auch eine Datenauswertung vor Ort erforderlich.
VIA Technologies, Inc.
Von der Entwicklung über die Materialbeschaffung, den Produktionsprozess bis zur Nutzung und schlussendlich Entsorgung – wer Produkte nachhaltiger gestalten will, steht vor einer komplexen Aufgabe.
Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.
Mängel im Endprodukt, lange Vorlaufzeiten oder Unterbrechungen in der Lieferkette sind Schmerzpunkte in jeder Qualitätssicherung.
In Zusammenarbeit mit Unternehmen aus dem Automobil- und Technologie-Bereich veranstaltet Idealworks eine weltweite AI-Challenge zum Training künstlicher Intelligenz in der Produktion basierend auf synthetischen Daten aus der BMW iFactory.
In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.
Die Anmeldung für die Everyday AI Conference am 21. Juni in London ist geöffnet.
„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?
Bauteile mobil und in Echtzeit überprüfen – das soll die Software Marquis des Fraunhofer IGD ermöglichen.
Künstliche Intelligenz (KI) und Maschinelles Lernen sind seit Jahren in der industriellen Produktion angekommen. Zumindest theoretisch. Mit welcher Vehemenz KI jetzt in der Praxis Einzug hält, soll sich auf der Automatica zeigen, die vom 21. bis 24. Juni 2022 in München stattfindet.
Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.
Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.
Die Vision Cam Ai.go von Imago Technologies soll Anwendern den einfachen Einstieg in Deep Learning ermöglichen.