Nutzen Sie die heutigen auf Computer Vision basierenden Qualitätskontrollmöglichkeiten
Lösungen zur Überwachung der Produktqualität, die auf KI-optimierter Computer Vision basieren, sind darauf ausgelegt, Herstellern und Einzelhändlern greifbare Ergebnisse zu liefern. Mit Kameras, Rechenleistung und KI, die vor Ort in Ladengeschäften und Fabrikhallen bereitgestellt werden – oder am Edge, wo visuelle Daten zu Produkten erfasst werden – können Unternehmen die Produktqualität nahezu in Echtzeit überwachen und bewerten. Unabhängig vom Anwendungsfall – ob sie Produkte auf Mängel inspizieren oder Erdbeeren in der Obst- und Gemüseabteilung auf Frische bewerten – tun sich viele Unternehmen schwer, mit Computer Vision zu beginnen, und sie erwarten zusätzliche Herausforderungen in Kosten und Skalierbarkeit beim Übergang vom Proof-of-Concept zur Produktion.
Letztlich werden verschiedene Arten von Unternehmen verschiedene Wege zu KI-verbesserten Produktqualitätsüberwachungsfunktionen gehen. Einzelhändler und Hersteller in Unternehmen entwickeln wahrscheinlich KI-Funktionen in-house, während kleine und mittlere Unternehmen in diesen Branchen sich häufiger an unabhängige Softwareanbieter (ISVs) und Lösungsintegratoren (SIs) zwecks Unterstützung wenden werden. Diese Software- und Lösungsanbieter werden aufgefordert, verbesserte KI-Funktionen von Computer Vision zu verwirklichen und gleichzeitig innerhalb enger Kosten- und Leistungsanforderungen zu arbeiten.
Ob Sie ISV, SI, Einzelhändler oder Hersteller sind, lassen Sie uns einige wesentliche Überlegungen überprüfen, die Ihnen bei der Einführung einer KI-verbesserten Produktqualitätsüberwachung mit optimierter Effizienz und Geschwindigkeit helfen können.
Schulung von KI-Modellen für Computer Vision
Kern jeder auf Computer Vision basierenden Produktqualitätskontrollstrategie ist die Verwendung von KI-Modellen am Edge für Inferenz. Modelle werden vor der Bereitstellung zunächst trainiert, um sich auf die Erkennung von Produktfehlern oder das Erkennen des Produktverfalls zu spezialisieren. Sie werden dann auf Edge-Geräten als Teil der KI-gestützten Software bereitgestellt, die die Daten von Kameras analysiert, um Probleme zu identifizieren und Probleme an das Fertigungs-, etc. -Personal zu melden, damit es Maßnahmen zur Lösung eines identifizierten Problems ergreifen kann.
Während Unternehmen, die im Einzelhandel und in der Fertigung tätig sind, eher dazu neigen, diese Modelle von Grund auf zu trainieren oder vorhandene Modelle mit ihrem internen Personal bis ins Detail abzustimmen, werden sich kleine und mittlere Unternehmen wahrscheinlich auf ihre Technologiepartner verlassen, um die von ihnen benötigten KI-Funktionen zu ermöglichen. Das könnte so einfach sein wie der Kauf einer Lösung von einem ISV, die für ihren spezifischen Anwendungsfall entwickelt wurde. Oder sie können sich auf eine SI verlassen, um mehrere Lösungen zu kombinieren und jede zu bewältigende Modellanpassung zu handhaben.
Wenn Sie Computer-Vision-Lösungen aktivieren möchten, ist es wichtig zu wissen, dass Sie nicht von vorne beginnen müssen. Vorhandene Modelle – viele kostenlos online verfügbar – können als Ausgangspunkt für die Anpassung dienen und Ihre Anstrengungen beschleunigen. Zum Beispiel bietet Open Model Zoo für OpenVINO™ Toolkit eine Reihe von Deep-Learning-Modellen, die für Zielanwendungen neu trainiert oder fein abgestimmt werden können.
Hardware
Aus Hardware-Sicht benötigen Sie je nach Schulungsaufgabe, die Sie ausführen möchten, verschiedene Rechenebenen.
Wenn Sie mit einem vorhandenen Modell beginnen, um Ihre Anforderungen oder die Anforderungen Ihrer Kunden zu erfüllen, können Sie möglicherweise mit kosteneffektiver Allzweck-Hardware Feinabstimmung oder Neuschulung durchführen. So können Sie unnötig hohe Investitionen in spezialisierte Ressourcen vermeiden, die Sie nicht wirklich benötigen, und gleichzeitig die allgemeine architektonische Komplexität reduzieren.
Das Training komplexer Modelle von Grund auf könnte jedoch die erweiterte Leistung spezieller Beschleuniger erfordern, die speziell für KI-Workloads entwickelt wurden. Diese Technologien wurden von Grund auf entwickelt, um die extreme Leistung zu bieten, die für komplexes Modelltraining mit massiven Parametersätzen erforderlich ist.
Zum Beispiel wurden Intel® Gaudi™ KI-Beschleuniger speziell für anspruchsvolle Schulungen und Inferenzierung von KI-Workloads entwickelt. Für Neutraining und Feinabstimmung sind skalierbare Intel® Xeon Prozessoren mit integrierten KI-Engines besonders gut geeignet, um Ihnen bei der Erfüllung von Leistungsanforderungen mit einer reinen CPU-Architektur zu helfen.
Software
Eine wichtige Herausforderung für viele Unternehmen besteht darin, das domänen- oder branchenspezifische Fachwissen ihrer Teams in verwendbare KI-Lösungen zu übersetzen. Zur Lösung dieser Herausforderung stehen eine Vielzahl von Softwareplattformen zur Verfügung. Diese Tools können dazu beitragen, die Zeit bis zur Wertschöpfung für Computer-Vision-Lösungsentwicklungsinitiativen dramatisch zu beschleunigen.
Zum Beispiel ermöglicht die Intel® Geti Plattform Branchenexperten die Entwicklung produktionsfähiger KI-Modelle schnell und kollaborativ in einer einzigen Schnittstelle mit minimalem Fachwissen in der Datenwissenschaft. Benutzer können einfach Bilder oder Videodaten hinzufügen, Anmerkungen erstellen und KI-Modelle für die Bereitstellung trainieren, neu trainieren, exportieren und optimieren.
Bereitstellung von KI-Modellen auf Edge-Hardware für Computer Vision
Viele Unternehmen gehen davon aus, dass die Bereitstellung der Computer-Vision-basierten Qualitätskontrolle immer eine Heavy-Edge-Infrastruktur mit GPUs erfordert. Diese Annahme ist nicht ganz richtig. Hersteller und Einzelhändler können heute übliche Hardware-Ressourcen verwenden, um KI-Computer Vision am Edge zu unterstützen.
Moderne CPUs sind gut für Computer-Vision-Workloads am Edge ausgestattet. Wie bei der Schulung verhindert der Einsatz von CPUs für Edge-Inferenzierung eine Überinvestition in Technik, optimiert Bereitstellungen und hilft bei der Optimierung der Energieeffizienz. CPUs können einfach in gebrauchsfertigen robusten Systemen mit kleinem Formfaktor bereitgestellt werden, um die Vielzahl von Betriebsumgebungen am Edge zu unterstützen.
Prozessoren wie Intel® Xeon Prozessoren und Intel® Core™ Ultra Prozessoren bieten energieeffiziente KI-Leistung, die sich ideal für Vision-Workloads bei Edge-Computern eignet.
Viele Hersteller und Einzelhändler führen bereits kritische Edge-Systeme mit CPUs aus, einschließlich Point-of-Sale-Systeme und softwaredefinierte IT/OT-Infrastruktur. In vielen Fällen können diese vorhandenen Investitionen Computer Vision am Edge unterstützen und den Bedarf an zusätzlichen Hardwarekäufen minimieren.
Bei Bedarf kann GPU-Hardware eingesetzt werden, um anspruchsvollere Leistungsanforderungen zu erfüllen. GPU-Technologien beinhalten in der Regel einen höheren Energie- und Größenbedarf, aber aktivieren Edge-Bereitstellungen zur Unterstützung erweiterter Funktionen und innovativer Anwendungsfälle.
Zum Beispiel bieten wir sowohl die Intel® Arc GPU als auch die Intel® Data Center GPU Flex, um erweiterte Computer-Vision-Funktionen am Edge zu ermöglichen.
Nichtsdestotrotz ist Hardware nur die eine Seite der Gleichung. ISVs und SIs benötigen Möglichkeiten, um ihren Einzelhandels- und Industriekunden zu helfen, heterogene Bereitstellungsumgebungen einfacher zu handhaben, die Leistung zu optimieren und jede erforderliche Modellentwicklung zu vereinfachen. Hier können ISVs und SIs Software-Ressourcen nutzen, um ihre Bemühungen zu beschleunigen und zu optimieren.
Zum Beispiel kann das OpenVINO™ Toolkit Ihnen bei der Optimierung, Feinabstimmung und Ausführung umfassender KI-Inferenz mit einem im Lieferumfang enthaltenen Modelloptimierer sowie Runtime- und Entwicklungstools helfen. Es ist ein Open-Source-Toolkit, das Ihnen bei der Beschleunigung von KI-Inferenz mit geringerer Latenz und höherem Durchsatz hilft, während die Genauigkeit erhalten bleibt, der Modell-Fußabdruck reduziert und die Hardwarenutzung optimiert wird – alles wesentliche Bestandteile für die Skalierung von KI-optimierte Computer Vision über mehrere Fabriken oder Geschäfte. Das Toolkit kann auch verwendet werden, um dann Modelle, die mit beliebten Frameworks wie TensorFlow und PyTorch trainiert wurden, zu konvertieren und zu optimieren.
OpenVINO™ basiert auf Intel® oneAPI und hilft SIs und ISVs bei der einfacheren Bereitstellung von KI-Inferenzierung am Edge zur Unterstützung von Computer-Vision-Lösungen. Durch Verwendung des OpenVINO™ Toolkit helfen Sie dabei, sicherzustellen, dass Ihre Softwareangebote auf der Vielzahl von Hardware ausgeführt werden können, die Einzelhändler und Hersteller möglicherweise bereits bereitgestellt haben. Sie hilft auch bei der Vereinfachung technischer Anforderungen für Greenfield-Bereitstellungen.
Diese Art von Flexibilität hilft bei der Aktivierung skalierbarer, leichter Edge-Lösungen, die Einblicke in nahezu Echtzeit liefern können, ohne sich auf die Cloud-Infrastruktur zu verlassen. Dabei vermeiden diese lokalen Lösungen die Kosten, Komplexität und Sicherheitsprobleme im Zusammenhang mit der Übertragung von Daten zur Verarbeitung in die Cloud.
Beginnen Sie noch heute mit der Erfassung des Potenzials
Für ISVs, SIs und die Einzelhändler und Hersteller, die sie bedienen, ist jetzt der Zeitpunkt, einen skalierbaren und effizienten Ansatz für die KI-gestützte Produktqualitätskontrolle zu verfolgen. Intel und unser Partner-Technologieumfeld sind der Bereitstellung der offenen, interoperablen Technologien verpflichtet, die Sie benötigen.
Wenn Sie die Ihnen zur Verfügung stehenden Lösungsentwicklungsmöglichkeiten weiter erkunden, denken Sie daran, dass Sie viele der in diesem Artikel beschriebenen Hardware- und Software-Technologien über die Intel® Tiber™ Developer Cloud selbst ausprobieren können