Sądzimy, że webinarium zorganizowane przez nas we współpracy z AAEON w pełni Was o tym przekonało. Marlo Banganga pełni funkcję Senior Business Development Manager w firmie AAEON. Podczas webinarium rozwiał wiele wątpliwości dotyczących stosowania systemu wizyjnego i sztucznej inteligencji. Obecnie nikt nie kwestionuje konieczności wdrażania systemów wizyjnych i sztucznej inteligencji w celu usprawnienia procesów biznesowych. Omawiana jest jedynie kwestia, w jakim czasie i zakresie rozwiązania te mogą zostać wprowadzone oraz jak czerpać z korzyści płynących z ich zastosowania.
Skala wykorzystania systemów wizyjnych na świecie wzrasta z każdym rokiem (rys. 1). W 2015 r. dochód z ich stosowania sięgnął blisko miliarda USD, a w roku 2020 może wynieść nawet 50 miliardów USD.
rys.1 Computer Vision Revenue
W branży produkcyjnej system wizyjny wykorzystuje się głównie w celu:
- identyfikacji
- dokładnych, szybkich i bezdotykowych pomiarów
- sprawdzenia kompletności
- sprawdzenia poprawności umiejscowienia wyrobów i ich jakości
- nawigowania robotami w określonej przestrzeni
Wykonanie poszczególnych zadań stwarza określone wymogi dla technologii wbudowanych wykorzystywanych w systemach wizyjnych. AAEON oferuje różnorodne rozwiązania: od kompaktowych systemów wykonujących proste zadania, takie jak wykrywanie przedmiotów, do systemów z procesorami Intel Xeon i gniazd do akceleratorów przetwarzania obrazów opartych na technologii GPU, VPU lub FPGA.
Sprawdź, jakich porad udzielił Marlo uczestnikom webinarium – obejrzyj nagranie.
Druga część prezentacji poświęcona była zasadom działania sieci i modeli neuronowych do typowych zastosowań:
- rozpoznawanie obrazów - wykrywanie przedmiotów
- wykrywanie/rozpoznawanie twarzy
- rozpoznawanie nagrań
- segmentacja obrazu
- rozpoznawanie mowy
Sieci neuronowe imitują działanie ludzkiego mózgu, dlatego też często są nazywane „sztuczną inteligencją”.
Pierwszym krokiem jest szkolenie modelu. Na tym etapie do sieci neuronowej wprowadzane są dane wejściowe i poprawne dane wyjściowe. Podczas szkolenia sieć neuronowa zmienia swoje wewnętrzne parametry w celu stworzenia danych wyjściowych z błędem – mniejszym, niż wymagany. Szkolenie modelu to zadanie bardzo wymagające pod względem mocy obliczeniowej i jest to proces przeważnie przeprowadzany na dzierżawionym sprzęcie w centrach danych.
Dzięki ciągłemu zwiększaniu mocy obliczeniowej CPU i GPU, przy jednoczesnym zmniejszeniu zużycia energii i dostępności chipów stworzonych specjalnie do wykorzystania z sieciami neuronowymi, rozwiązania „sztucznej inteligencji” mogą już zostać wdrożone nawet lokalnie w miejscu, w którym generowane są dane. Wykorzystanie tej technologii określa się trudnym do przetłumaczenia słowa – AI@Edge.
AAEON koncentruje się na produkcji sprzętu wykorzystywanego tylko w tym celu, o czym pisaliśmy w naszym artykule pt. „Sztuczna inteligencja na brzegu Twojej sieci”. Jak to wygląda w praktyce i jaki sprzęt jest do tego potrzebny? Dowiedz się więcej oglądając nagranie z webinarium.
Zanim udostępnimy nagranie, prosimy o podanie w kwestionariuszu kilku informacji na Twój temat. Dziękujemy
Czy spodobały Ci się nasze artykuły? Nie przegap żadnego! Zajmiemy się wszystkim za Ciebie i chętnie sami Ci je dostarczymy.
