Edge AI for Manufacturing: Real-Time Intelligence at the Device Level

Prerequisites:

• Zrozumienie systemów wbudowanych lub architektur IoT
• Doświadczenie z programowaniem w Python lub C/C++
• Znajomość tworzenia modeli uczenia maszynowego

Grupa docelowa

• Programiści systemów wbudowanych
• Zespoły Industrial IoT

Overview:

Edge AI to wdrożenie modeli sztucznej inteligencji bezpośrednio na urządzeniach i maszynach na krawędzi sieci, co umożliwia podejmowanie decyzji w czasie rzeczywistym z minimalną opóźnieniem.

To prowadzone przez instruktora szkolenie (online lub na miejscu) jest przeznaczone dla zaawansowanych profesjonalistów w dziedzinie wbudowanych systemów i IoT, którzy chcą wdrożyć logiczne i kontrolne systemy zasilane sztuczną inteligencją w środowiskach przemysłowych, gdzie szybkość, niezawodność i praca offline są kluczowe.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Zrozumieć architekturę i korzyści systemów sztucznej inteligencji na krawędzi.
• Budować i optymalizować modele sztucznej inteligencji do wdrożenia na urządzeniach wbudowanych.
• Używać narzędzi takich jak TensorFlow Lite i OpenVINO do wnioskowania z minimalnym opóźnieniem.
• Integrować inteligentność krawędziową z czujnikami, wykonawczymi i protokołami przemysłowymi.

Format kursu

• Interaktywne wykłady i dyskusje.
• Wiele ćwiczeń i praktyki.
• Ręczne wdrażanie w środowisku laboratoryjnym w czasie rzeczywistym.

Opcje dostosowania kursu

• Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt z nami w celu ustalenia szczegółów.

Course Outline:

Wprowadzenie do Edge AI w Zastosowaniach Przemysłowych

• Dlaczego obliczenia na krawędzi mają znaczenie w produkcji
• Porównanie z chmurowymi rozwiązaniami AI
• Przypadki użycia w wizji, przewidywanej konserwacji i sterowaniu

Platformy Sprzętowe i Ograniczenia na Poziomie Urządzeń

• Przegląd popularnych platform obliczeniowych na krawędzi (Raspberry Pi, NVIDIA Jetson, Intel NUC)
• Rozważania dotyczące przetwarzania, pamięci i zużycia energii
• Wybór odpowiedniej platformy dla danego rodzaju aplikacji

Rozwijanie i Optymalizowanie Modeli dla Obliczeń na Krawędzi

• Techniki kompresji, przycinania i kwantyzacji modeli
• Używanie TensorFlow Lite i ONNX do wdrażania w urządzeniach osadzonych
• Bilansowanie dokładności wobec szybkości w ograniczonym środowisku

Computer Vision i Sensor Fusion na Krawędzi

• Wizyjna inspekcja i monitorowanie na krawędzi
• Integracja danych z wielu czujników (drzętwienia, temperatury, kamer)
• Wykrywanie anomalii w czasie rzeczywistym z Edge Impulse

Communication i Wymiana Danych

• Używanie MQTT do komunikacji przemysłowej
• Integracja z systemami SCADA, OPC-UA i PLC
• Bezpieczeństwo i odporność w komunikacji na krawędzi

Wdrażanie i Testowanie na Polu

• Pakowanie i wdrażanie modeli na urządzeniach na krawędzi
• Monitorowanie wydajności i zarządzanie aktualizacjami
• Studium przypadku: pętla decyzyjna w czasie rzeczywistym z lokalnym działaniem

Skalowanie i Konserwacja Systemów Edge AI

• Strategie zarządzania urządzeniami na krawędzi
• Aktualizacje zdalne i cykle ponownego szkolenia modeli
• Rozważania dotyczące cyklu życia dla wdrażania klasy przemysłowej

Podsumowanie i Krok Dalej