El mundo de IoT es un mundo en el que las tecnologías complementarias producen constantemente nuevas e innovadoras capacidades. Entre las más prometedoras de estas tecnologías hechas en el cielo están el aprendizaje automático (ML) y la visión artificial (MV). Exploremos cómo las aplicaciones médicas e industriales de IoT (IIoT) están avanzando con las capacidades de estas tecnologías.
Este artículo se basa en un documento redactado conjuntamente con Brad Scott, director general de
AuZone Technologies, Inc. que nos lleva a una presentación prevista sobre la tecnología de aprendizaje automático en Embedded World 2020. Aunque Digi no asistirá a la conferencia, presentaremos este tema a distancia a través de
videoconferencia el 27 de febrero a las 10:00, y lanzará el nuevo
Digi ConnectCore® Kit de desarrollo 8M Nano.
El Digi ConnectCore 8M es la última incorporación a la familia ConnectCore de potentes y escalables SOMs (system on modules), diseñados para un rápido desarrollo y una rápida salida al mercado.
Únase a nuestra lista de correo para recibir anuncios sobre nuevos productos y próximos eventos de Digi!
Cómo el aprendizaje automático (ML) y la visión artificial (MV) están cambiando nuestro mundo
Las técnicas de aprendizaje automático pueden aplicarse a una amplia gama de tareas de procesamiento o clasificación de imágenes de visión artificial. Y, gracias a la escala a la que se están adoptando estas aplicaciones, resulta rápidamente rentable añadir capacidades de aprendizaje automático y visión artificial a una variedad cada vez mayor de productos de IoT .
Los sistemas de visión artificial suelen utilizar sensores digitales dentro de módulos de cámaras industriales donde se procesan y analizan las imágenes. Cuando se utilizan junto con el aprendizaje automático, las aplicaciones de visión artificial pueden realizar tareas complejas de forma fiable y consistente.
En las aplicaciones sanitarias, por ejemplo, pueden controlar a los pacientes o detectar anomalías en las imágenes radiológicas, mejorando la atención al paciente o incluso salvando vidas.
En un entorno industrial, pueden proporcionar inspecciones de control de calidad de muchos artículos idénticos en una cinta transportadora sin errores ni fatiga. De hecho, la visión artificial puede suponer un ahorro de costes y ventajas en el control de calidad en casi cualquier proceso de producción en masa que requiera una supervisión visual. La visión artificial tiene el potencial de reducir los errores humanos y proporcionar un mejor control de calidad a un menor coste.
Beneficios empresariales del aprendizaje automático combinado con la visión artificial
Si bien son muchos los beneficios del poder combinado del aprendizaje automático y la visión artificial, algunos de los más importantes son los que impulsan mejoras operativas en el mundo real y repercuten en el resultado final.
- Mayor calidad del producto: Inspección, medición, calibración y verificación del montaje.
- Aumento de la productividad: Las tareas rutinarias y repetitivas pueden realizarse de forma rápida y automática, liberando al personal para actividades de mayor valor.
- Reducción de costes: Añadir capacidades de visión artificial a los equipos puede mejorar el rendimiento y prolongar la vida útil. Los sistemas de visión artificial en una fábrica también ocupan menos espacio que los operadores humanos y no requieren el mismo nivel de infraestructura de seguridad.
¿Por qué la computación en la periferia?
Las aplicaciones de ML/MV funcionan necesariamente en tiempo real. Por eso, aunque muchos sistemas se basan en la computación en la nube para el aprendizaje automático, hay una tendencia creciente a implementar este procesamiento en el borde de la aplicación, es decir, muy cerca de donde se desarrolla realmente el proceso o la función empresarial. La computación en el borde es especialmente ventajosa en situaciones en las que el ancho de banda o la latencia son una limitación, como en una instalación de fabricación en la que docenas de artículos por minuto pueden pasar por una cinta transportadora, siendo inspeccionados por un sistema de ML/MV.
Ventajas de rendimiento del Edge Computing
Hoy en día, una mayor parte del esfuerzo informático se está trasladando al borde para lograr mejoras masivas en la eficiencia y el rendimiento, incluyendo lo siguiente:
- Reducción de la latencia: El Edge Computing permite una respuesta más rápida a los eventos locales. El sistema puede responder más rápido porque no es necesario el viaje de ida y vuelta de los datos al servidor.
- Capacidad para funcionar sin conexión: En caso de interrupción de las comunicaciones, el sistema puede recoger, almacenar y procesar datos por sí mismo.
- Reducción de costes: La reducción del flujo de datos a través de la red se traduce en una disminución de los costes de red, por ejemplo, con las conexiones celulares que requieren el uso de datos.
- Reducción del consumo de energía: Las conexiones de red consumen mucha energía. Enviar menos datos puede ayudar a ahorrar energía, lo que puede ser ventajoso en dispositivos con batería IoT .
Las herramientas y el software apoyan el éxito de las implantaciones
La creación de una solución de aprendizaje automático no es una tarea fácil, y la elección del hardware, las herramientas de desarrollo y los componentes de software adecuados para el procesamiento de imágenes basado en el aprendizaje automático en el borde puede contribuir en gran medida a garantizar una implementación exitosa.
Tecnologías Au-Zonepor ejemplo, ofrece un kit de herramientas diseñado específicamente para el desarrollo de sistemas de imágenes basados en el aprendizaje automático en dispositivos integrados con limitaciones de rendimiento. El motor de inferencia de la empresa es compatible con los núcleos de la MCU, la CPU y la GPU con un flujo de trabajo y un formato de modelo estándar, lo que proporciona flexibilidad y portabilidad en todas las plataformas. El sitio web
Digi ConnectCore® 8X El sistema en módulo (SOM), a su vez, contiene núcleos de procesamiento de MCU, CPU y GPU, lo que permite que el motor de inferencia se ejecute de forma eficiente en cualquiera de estos recursos informáticos. Por tanto, estas dos soluciones son también tecnologías complementarias.
Descubrir, escalar, innovar
Todavía estamos en los primeros días de lo que seguramente será un amplio proceso de desarrollo e implementación de las capacidades de aprendizaje y visión artificial, con resultados muy esperados. Las organizaciones innovadoras que implanten estos sistemas en primer lugar obtendrán una ventaja competitiva a medida que se obtengan nuevas ventajas empresariales y se presenten nuevos casos de uso. Estas organizaciones también obtendrán la experiencia y los conocimientos necesarios para ampliar sus implementaciones a otros casos de uso y aprovechar al máximo la tecnología a medida que se amplíe y perfeccione.
Contacta con Digi para que le oriente sobre la tecnología adecuada para el desarrollo de su producto, o para que le ayude en cualquier aspecto de su proceso de diseño y construcción.