Acceed stellt Vision-System-Modelle vor
Edge Computing mit Jetson-TX2 und Nvidia-GPU
Acceed stellte mit dem EOS-J-Vision-System von Adlink ein industrielles Bildverarbeitungssystem für den Einsatz „on the edge“ (Edge Computing) vor. Entwickelt für das Smart Manufacturing sollen Vision-Systeme die Basis zur Steigerung von Produktivität, Qualität und Effizienz bilden. Seit der Hersteller Adlink im vergangenen Jahr die Zusammenarbeit mit Nvidia als Jetson-Preferred-Partner besiegelt hat, erfolgte die Entwicklung spezialisierter Controller und Systeme mit hoher Rechenleistung für KI-Anwendungen und maschinelles Lernen. Dazu gehört auch der EOS-J mit integriertem Jetson-TX2-Chip und wahlweise vier Schnittstellen GigE oder USB-3.0 für den Anschluss von Kameras oder Frame Grabbern.
Verglichen mit dem sonst oft bevorzugten Cloud Computing ist das Edge Computing im industriellen Umfeld oft die effizientere Architektur, so Acceed. Denn das Treffen von KI-Entscheidungen muss direkt an der Maschine, am Roboter oder am autonomen Fahrzeug erfolgen, also „on the edge“. Abhängig vom geplanten Einsatz ist dann die Datenkommunikation mit der Cloud weniger zweckmäßig. Aktuelle Entwicklungstrends wie autonomes Fahren und Robotikanwendungen zeigen dies deutlich beim Thema Vision Computing. In beiden Fällen sind „Sehen“ und „Erkennen“ wichtige Voraussetzungen für schnelle Entscheidungen vor Ort. Maschinelles Lernen und Deep Learning als Verfahren optimieren die Qualitätskontrolle mit optischer Inspektion, klassifizieren Fehler und ermöglichen Voraussagen und Trendentwicklungen bei der Maschinendiagnose.
Die von Acceed vorgestellten Modelle des Vision-Systems EOS-J unterscheiden sich nur durch ihre jeweils vier Kameraanschlüsse des Typs GigE oder USB 3.0, so der Anbieter. Kernelement des EOS-J ist der integrierte Jetson-TX2-Chip, der zusammen mit Kameras oder Frame Grabbern und den 32 isolierten industriegerechten IO-Schnittstellen ein kompaktes System bildet, das für den Einsatz im Edge Computing entwickelt ist.
Voraussetzung für das Vision Computing ist die schnelle und effiziente Verarbeitung von Bilddaten mit einem entsprechend leistungsstarken Grafikprozessor (GPU). Der EOS-J ist laut Anbieterangaben mit einer Quadro-GPU mit Pascal-Architektur von Nvidia ausgestattet. Die Cortex-A57-Prozessoren von ARM 256 CUDA Cores sollen robustes Deep Learning und Inferenz-Anwendungen unterstützen. Das System sei damit für die Anforderungen vorbereitet, wie sie beispielsweise für die Fehlerinspektion oder die Objektklassifizierung in Fertigungsumgebungen formuliert sind.
Neuronale Modelle, optimiert mit Tools von Nvidia (Digits oder TensorRT), sollen die Entwicklung anwendungsspezifischer Bildverarbeitungslösungen erleichtern. Solche Entwicklungen sollen sich direkt auf dem EOS-J einsetzen lassen. Ein Gigabit-Ethernet-Anschluss und zwei Kommunikationsanschlüsse sowie ein HDMI-Ausgang unterstützen laut Acceed die Integration im Feld. Als Betriebssystem sei Ubuntu vorgesehen.
Weitere Informationen stehen unter www.acceed.com zu Verfügung.
Lesen Sie mehr zum Thema
