An der von EMVA und Messe Stuttgart organisierten Konferenz Embedded Vision Europe 2019 (eVe) nahmen vom 24. bis 25. Oktober über 130 internationale Konferenzteilnehmer aus 23 Ländern am ICS Stuttgart teil. Sie repräsentierten die gesamte Wertschöpfungskette von Deep Learning- und KI-Entwicklern über Machine Vision-Player bis hin zu Anwendern von Embedded Vision-Systemen und sogar Stakeholdern aus dem Finanzsektor. Das Präsentationsprogramm umfasste das gesamte Spektrum der Embedded-Vision-Branche und umfasste Themen wie neue Hardware-Computing-Plattformen, Embedded-Vision-Standards und APIs, spezielle Ansätze zur Optimierung neuronaler Netze sowie Beispiele für den Einsatz visionsbasierter eingebetteter KI in der Praxis systeme. Es wurde von einer hoch frequentierten Tischausstellung eingerahmt. Die Zusammenarbeit und der Austausch zwischen den Teilnehmern wurde durch fast 80 individuell gebuchte B2B-Meetings zwischen den Teilnehmern während der Konferenzpausen unterstützt.

Dynamischer Bereich für Innovation

EMVA-Vorstandsmitglied Dr. Chris Yates moderierte die Konferenz und erklärte in seiner Eröffnungsrede, dass "Embedded Vision einer der dynamischsten und kreativsten Bereiche für Innovationen in unserer Branche ist". Er merkte an, dass die Bedeutung des eingebetteten Sehens durch die bemerkenswerte Tatsache belegt wird, dass es heute mit ziemlicher Sicherheit mehr eingebettete Sichtsysteme gibt als Menschen auf dem Planeten. "Diese Systeme verändern unsere Fabriken, Krankenhäuser, Transportmittel und Lebensräume, indem sie Maschinen mit einer besseren kognitiven Fähigkeit durch Sehen versorgen", sagte Yates.

Künstliche Intelligenz (KI) als beherrschendes Thema

Künstliche Intelligenz und damit Deep Learning haben sich in vielen Reden als beherrschendes Thema erwiesen. Aus guten Gründen, wie David Austin von Intel in seiner Eröffnungsrede zeigte: Er erklärte, verwandelt AI Industrie 4.0, das durch den OPC-UA-Standard in die Bildverarbeitungsindustrie eingeführt wird, und alle Industriezweige. So wird es bald überall sein und Auswirkungen auf Produktion, Energie, Logistik und Gebäude haben. In Bezug auf die Bedeutung der industriellen Produktion für die Wirtschaft bezog sich Austin auf die Einschätzung eines Beraters, dass die wirtschaftlichen Auswirkungen von Factory-IoT-Anwendungen bis 2025 1,2 Billionen US-Dollar erreichen werden. Da Deep-Learning-Modelle nur beschreiben können, wie sie trainiert wurden, stellte er drei Techniken vor wie man zu praktischen und flexiblen AI-basierten Lösungen kommt. Seine Kernbotschaft war, dass sich AI noch in der frühen Adoptionsphase befindet und es jetzt an der Zeit ist, an Bord zu gehen.

Es wurde zwar klargestellt, dass die Weiterentwicklung eingebetteter neuronaler Netze eine breite Akzeptanz findet und den Endbenutzern echte Vorteile bietet, aber auch Themen wie die Bereitstellung und Wartung in der Praxis wurden von mehreren Referenten angesprochen, was auf eine wachsende Reife des Fachs als das hindeutet Der Fokus geht über die reine technische Leistung einer AI-basierten Anwendung hinaus. Vassilis Tsagaris, CEO von Irida Labs, legte in seinen Gesprächen einen Schwerpunkt auf diesen Aspekt und erläuterte seinen Standpunkt weiter: „Die Art und Weise, wie KI- und Deep-Learning-Modelle für Embedded Vision trainiert und eingesetzt werden, muss über den Technologie-Hype hinausgehen und sich auf die Kundenbedürfnisse konzentrieren . Was in der technischen Welt der AI-Entwicklung derzeit noch fehlt, ist ein ganzheitlicher Problemlösungsansatz, der nicht nur das Training von Deep-Learning-Modellen, sondern auch die Validierung, Inferenz an den Randgeräten und kontinuierliche Aktualisierungsmechanismen umfasst. Zu diesem Zweck müssen wir über die Modelle des maschinellen Lernens hinausblicken und AI-basierte eingebettete Vision in realen Produkten einsetzen. “

Rechnen am Rande

Viele der Präsentationen befassten sich mit Edge-Computing, bei dem Daten, die nicht an einen zentralen Ort oder eine zentrale Datenbank gesendet, sondern an der Quelle verarbeitet werden, und somit Informationen in Systeme übergehen, als ein Schlüsselmerkmal eingebetteter Systeme. Ein Beispiel war Jagan Ayyaswami von Micron Technology, der seine Überlegungen zur Auswahl einer eingebetteten Architektur und zur Beantwortung der Frage „Wie halten wir die Daten so nah wie möglich an der Bildaufnahme?“ Vorstellte. Ratislav Struharik von IDS wies darauf hin, dass Edge-Computing eine geringe Latenz, Zeitempfindlichkeit und aufgabenspezifische Verarbeitung bei relativ geringen Kosten in Bezug auf Leistung, Preis und Größe erfordert. Gleiches gilt für AI on the Edge.

Stärken der europäischen Embedded Vision wurden sichtbar

Struharik hat auch als europäischer Vertreter einen wichtigen Punkt hervorgehoben, als er auf der IDS eine radikal neue Lösung vorstellte, indem er das App-Prinzip durch sogenannte Vision-Apps an die industrielle Bildverarbeitung anpasste. Ein weiterer wahrhaft europäischer Beitrag war der Vortrag von Dr. Konstantin Schauwecker von Nerian Vision, in dem gezeigt wurde, dass Stereovision eine überzeugende Technologie für die 3D-Tiefenerfassung ist und FPGAs Stereovision für eingebettete Anwendungsfälle nutzbar machen. Seine präsentierte Arbeit beweist auch, dass eine lebendige Wechselwirkung zwischen akademischer Forschung und Start-up-Unternehmertum in Europa zu prosperierenden Produkten führen kann, die alle Chancen haben, ihren Markt zu finden.
Eine praktische Rede hielt Gion-Pitschen Gross von Allied Vision, einem weiteren europäischen Player, der sich auf die Anforderungen, Komponenten und Lösungen für die Einrichtung eines eingebetteten Bildverarbeitungssystems konzentrierte. Er wies darauf hin, dass das gesamte Systemdesign eines eingebetteten Bildverarbeitungssystems in hohem Maße vom Anwendungsfall abhängt und viele verschiedene Fähigkeiten involviert sind. In seiner Schlussfolgerung stellte er fest, dass trotz der Attraktivität von eingebetteten Bildverarbeitungssystemen die Designkosten eines industriellen eingebetteten Bildverarbeitungssystems in vielen Fällen immer noch höher sind als bei einem PC-basierten System, das hauptsächlich aus Standardprodukten besteht. und ihre Integrationsbemühungen werden oft unterschätzt, was den vorhergesagten ROI schnell aufzehren kann.

Andrea Dunbar vom Schweizer Forschungszentrum CSEM beeindruckte das Publikum mit einem Projekt, bei dem es gelang, eine 3 mm dicke, vollautonome Kamera im Münzformat zu entwickeln, die sich wie ein Aufkleber einsetzen lässt. Es verwendet einen extrem stromsparenden Bildsensor, der weniger als 1 mW verbraucht und sogar benutzerdefinierte Bildverarbeitungen wie die Bewegungserkennung durchführen kann.

Computational Neural Networks sind da, um zu bleiben

In seinen Schlussbemerkungen stellte Dr. Chris Yates fest, dass KI und rechnergestützte neuronale Netze zu einem beherrschenden Thema geworden sind, das hier bleiben wird. Während die technologischen Grenzen in letzter Zeit immer weiter verschärft wurden, besteht die aktuelle Herausforderung darin, den Schwerpunkt auf die einfache Bereitstellung zu legen und damit die Komplexität der Produkte zu abstrahieren, die ihren Weg in Bildverarbeitungsanwendungen finden. Dafür wies er darauf hin; Eine weitere Zusammenarbeit zwischen kleinen und großen Akteuren wäre erforderlich.