Hier klicken!

Select Page

Machine Learning in Embedded Systemen implementieren

Machine Learning in Embedded Systemen implementieren

In diesem Jahr steht für MathWorks auf der embedded world das Thema Implementierung von Algorithmen des Machine Learning und Deep Learning in Embedded Systemen im Fokus. Das Unternehmen zeigt mehrere Beispiele aus verschiedenen Anwendungsbereichen des maschinellen Lernens.

Machine Learning und Deep Learning im Fokus
Machine Learning und Deep Learning sind leistungsstarke Methoden, um komplexe Modellierungsaufgaben in den verschiedensten Industriebereichen zu lösen. Das Kernprinzip besteht darin, dass Ingenieure und Wissenschaftler Modelle entwickeln, die selbstständig aus Daten lernen. Auf diese Weise können z. B. Maschinenausfälle durch vorausschauende Wartung vorhergesagt und entsprechend vermieden werden oder Fahrzeuge mittels autonomer Systeme selbstständig lenken.

Doch wie kommt die Intelligenz in die Maschine? Um Algorithmen des Machine Learning produktiv nutzen zu können, eignet sich die Implementierung in Embedded Systemen oder in einer Cloud-Infrastruktur. Dabei zeigen sich je nach Modell unterschiedliche Präferenzen für die genutzte Hardware. So werden für Machine-Learning-Verfahren wie etwa ‚Support Vector Machine‘ vor allem Microcontroller genutzt, während sich für die Implementierung von Convolutional Neural Networks (CNN) im Bereich des Deep Learning GPUs etabliert haben. In beiden Fällen muss das entwickelte Modell in weniger abstrakten Code, z. B. in C, umgewandelt werden, um auf die Hardware überführt werden zu können.

Neuronale Netze mit GPU Coder in Maschinen implementieren
Der MathWorks GPU Coder wurde speziell dafür entwickelt, immer intelligenter werdende MATLAB-Anwendungen und Deep-Learning-Netze auf GPUs zu integrieren. Dabei werden die MATLAB-Modelle in optimierten NVIDIA CUDA Code umgewandelt. So können auch rechenintensive Teile des MATLAB Codes schneller ausgeführt werden. Änderungen im MATLAB-Code können durch Knopfdruck auf den CUDA-Code übertragen werden, was zudem die Synchronisierung zwischen beiden Modellen vereinfacht.

Die Demonstrationen am MathWorks-Stand im Einzelnen:

  • Machine Learning: Als Beispiel für Modelle, die aus Daten lernen können, zeigt diese Demo eine Embedded-Data-Analytics-Klassifizierung von Herztönen in „normal“ und „abnormal“ durch Nutzung von Machine Learning und automatischer Code Generierung.
  • GPU Coder für beschleunigte Bild- und Spracherkennung mittels Deep Learning: Der neue MathWorks GPU Coder ermöglicht Anwendern die automatische Generierung von optimiertem NVIDIA CUDA Code aus MATLAB Code für Deep Learning, eingebettete Bild- und Sprachverarbeitung sowie autonome Systeme. Das Ziel von GPU Coder ist es, den Arbeitsablauf der Implementierung zu vereinfachen – von abstrakten Funktionsbeschreibungen in MATLAB über die Beschleunigung rechenintensiver Teile des MATLAB-Codes auf NVIDIA Tesla GPUs bis hin zur Implementierungen auf NVIDIA Jetson System-on-Modules (SoMs) und der NVIDIA DRIVE PX Plattformen.
  • Vision HDL für SoC FPGAs: Ein für die Überwachung der Fahrbahnbeschaffenheit konzipierter Algorithmus wird mittels automatischer C- und HDL-Code-Generierung auf einem heterogenen SoC FPGA implementiert. Vision HDL Toolbox ermöglicht Streamen und Prozessieren der Videodaten in Echtzeit.
  • Adaptive Cruise Control mit Sensorfusion auf ARM Plattform: Closed-Loop-Simulation einer adaptiven Fahrgeschwindigkeitsregelung basiert auf Sensorfusion von Kameradaten und Radarsignalen für ein Fahrzeug, das auf einer gebogenen Straße fährt. Implementierung auf AM3358 ARM Cortex A8 Prozessor mit Embedded Coder.
  • Verifikation und Validierung in Simulink: Die Demo zeigt den kompletten Workflow von der Erstellung und Verwaltung von Anforderungen in Simulink bis hin zum automatisierten Testen sowie typische Qualitätsmessungen wie Checks von Modellierungsrichtlinien, Metriken und Testabdeckung.

Quelle: MathWorks

 

Veröffentlicht von

Alexandra Pisek

Von Mensch zu Mensch oder zwischen Mensch und Maschine – Kommunikation ist vielfältig und das fasziniert mich bei meiner täglichen Arbeit.

ANZEIGE


Bevorstehende Veranstaltungen

Feb
19
Di
ganztägig Automatisierungstreff 2019 @ Kongresshalle Böblingen
Automatisierungstreff 2019 @ Kongresshalle Böblingen
Feb 19 – Feb 21 ganztägig
Automatisierungstreff 2019 @ Kongresshalle Böblingen
Der Automatisierungstreff hat aufgrund des Angebotes an verschiedenen Anwender-Workshops schon immer die Praxis in den Vordergrund gestellt. Das ändert sich auch nicht in Zeiten der digitalen Transformation. Deswegen wurde bereits auf der Veranstaltung im Jahr 2017 der Marktplatz[...]
Mrz
7
Do
ganztägig evotronacademy: Basisseminar »Gr... @ Business Vital Hotel Suhl
evotronacademy: Basisseminar »Gr... @ Business Vital Hotel Suhl
Mrz 7 ganztägig
evotronacademy: Basisseminar »Grundlagen industrieller Bildverarbeitung« @ Business Vital Hotel Suhl
Die evotron academy ist ein zukunftsorientierter Dienstleister für praktisches Machine Vision Know-how. Wir reagieren damit auf die dynamische Entwicklung im Bereich der industriellen Bildverarbeitung und der industriellen Kommunikation und bieten Weiterbildungen für Praktiker aus Industrie[...]
Mrz
12
Di
ganztägig all about automation friedrichsh... @ Messe Friedrichshafen
all about automation friedrichsh... @ Messe Friedrichshafen
Mrz 12 – Mrz 13 ganztägig
all about automation friedrichshafen @ Messe Friedrichshafen
Über die all about automation Messen: Das Konzept der regionalen, anwendungsbezogenen Automatisierungsmessen all about automation ist darauf ausgerichtet, Anwendern, Entscheidern und Praktikern maximalen Informationswert zu liefern. Dies geschieht in Kombination mit den Vorteilen einer nah[...]

ANZEIGE


ANZEIGE


Aktuelle Ausgabe

Translate »