24 Monate Festo Didactic Gewährleistung → www.festo-didactic.com 136 137 Maschinelles Lernen in der Bildverarbeitung Das MPS IoT Kit Machine Learning beschäftigt sich mit maschinellem Lernen auf Basis neuronaler Netze („Deep Learning“), einer der prominentesten Teildisziplinen der künstlichen Intelligenz. Die Hardware enthält einen Einplatinencomputer, der mit einer HD-Kamera ausgestattet ist, um Bilder aufzunehmen, die anschließend von einem neuronalen Netz analysiert werden. Als Software stehen eine Vielzahl von Python-Programmen zur Verfügung. Die Frontends fast aller Tools sind webbasiert, so dass ein Zugriff über mobile Geräte wie Smartphones, Tablets, Laptops usw. möglich ist. Dank des Wi-Fi-Hotspots bietet das MPS IoT Kit Machine Learning einen drahtlosen Fernzugriff. Das System wird betriebsbereit geliefert, so dass die Lernenden sofort mit ersten Experimenten beginnen können. Ziel des MPS IoT Kits Machine Learning ist, dass die Lernenden die grundlegenden Themen im Bereich der Bildverarbeitung mit maschinellem Lernen auf einfache Weise lernen. Es werden nicht nur die beiden Lernverfahren überwachtes und unüberwachtes maschinelles Lernen besprochen, sondern auch die wichtigsten Anwendungen im Bereich des maschinellen Sehens – d.h. Bildklassifizierung, Objektlokalisierung und Erkennung mehrerer Objekte – werden anhand einer Reihe praktischer Experimente vorgestellt und diskutiert. Die Lernenden können Äpfel von Zitronen oder Werkzeuge von Schuhen usw. unterscheiden. Eine mögliche Aufgabe bei der Integration in eine Lernfabrik ist die Überprüfung des Füllstands von Rutschen mit Werkstücken durch Anwendung von maschinellen Lernverfahren. Ansonsten können alle Arten von Objekten erkannt und lokalisiert werden. Darüber hinaus werden leistungsfähige neuronale Netzarchitekturen wie sogenannte gefaltete neuronale Netze eingesetzt. Künstliche Intelligenz in der Anwendung MPS IoT Kit Machine Learning Fokus- und Trendthemen I4.0 > Künstliche Intelligenz in der Anwendung Die gesamte Software ist gut dokumentiert und ermöglicht es den Lernenden, eigene Experimente zum maschinellen Sehen außerhalb der Lernfabrik durchzuführen. Vorherige Programmierkenntnisse sind nicht erforderlich. Die Lernunterlagen ermutigen die Lernenden, ihr Wissen auf neue Anwendungen zu übertragen. Lerninhalte – Künstliche Intelligenz/maschinelles Lernen in der Bildverarbeitung – Praktische Anwendung von gefalteten neuronalen Netzen/ Deep Learning – Überwachtes und unüberwachtes maschinelles Lernen – Computer Vision (Bildklassifikation, Objektlokalisierung, Multi-ObjektDetektion) – IoT Nachrüstung von Altsystemen Vorteile – Das MPS IoT Kit Machine Learning kann entweder eigenständig genutzt oder in bestehende Lernfabriken integriert werden – Die Lernenden haben die Möglichkeit, die Algorithmen auf neue Objekte und Bilder anzuwenden – Fokus auf die praktische Anwendung von künstlicher Intelligenz/ maschinellem Lernen zur Lösung von realen Herausforderungen Wesentliche Komponenten – Einplatinencomputer mit HD-Kamera – Ethernet-Kabel – HDMI-Kabel – Stromanschluss Technische Daten – Spannungsversorgung: AC 110/230 V, 1 A – Maße (B x H x T): ca. 200 x 200 x 600 mm MPS IoT Kit Machine Learning 8158958 MPS IoT Kit Machine Learning (Klassensatz 8 Geräte) 8158957 IIoT und Retrofitting IoT Gateway Fokus- und Trendthemen I4.0 > Künstliche Intelligenz in der Anwendung IoT Gateway 8172682 Die Verbindung von Komponenten der Produktionsebene mit Servern der IT-Ebene eines Unternehmens oder mit der Cloud bietet vielfältige neue Nutzungsmöglichkeiten, z.B. die Überwachung der Produktion mittels Smartphone über das Internet. Gateways übernehmen dabei eine wichtige Funktion in der interoperablen Kommunikation über standardisierte Datenaustauschprotokolle und bieten zudem häufig Funktionen zur dezentralen Datenverwaltung. Das IoT Gateway verbindet Geräte der Produktionsebene mit dem industriellen Internet der Dinge (IIoT, Industrial Internet of Things). Es verfügt über einen Netzwerkanschluss für die Geräteseite, einen für die Cloud-Seite sowie einen Hardwareschalter zur Steuerung der Lese- und Schreibberechtigung. Das Gateway bietet ein Webinterface mit Konfigurationsmöglichkeiten, darunter: – Netzwerkkonfiguration inklusive DHCP Client – NTP Client zur Zeitsynchronisation – Geräteverwaltung – MQTT Broker-Einstellungen Das Gateway ist in der Lage, bekannte Gerätetypen wie z.B. die Festo Didactic Energiemessbox automatisch im Netzwerk zu finden. Die Informationen zur Kopplung der Geräte sind in einer Signaturdatei abgelegt. Nach der Kopplung der Geräte, dem sogenannten Onboarding, werden die Daten automatisch zyklisch abgerufen und an einen MQTT Broker weitergeleitet. Eigene Signaturdateien können erstellt und importiert werden, sodass eigene Gerätetypen über OPC UA gefunden, gekoppelt und ausgelesen werden können. Die auf dem Gateway installierte grafische Entwicklungsumgebung Node-RED ermöglicht darüber hinaus sogenannte Edge-Computing-Funktionalitäten, also Datenverarbeitung an der Grenze zwischen lokalem Netzwerk und der Cloud. Über Bibliothektselemente können vielfältige Signalquellen eingebunden werden, z.B. über die Protokolle OPC UA, Modbus TCP oder REST API, es können Signale mittels Funktionsblöcken oder JavaScript-Code vorverarbeitet werden, Dashboards zur Visualisierung eingerichtet sowie Signale an Serverdienste wie MQTT, MySQL oder Cloud-Dienste wie Siemens MindSphere oder Microsoft Azure ausgegeben werden. Das Gateway kann mit dem mitgelieferten Zubehör z.B. in CP Lab Wagen oder auf dem NetLab EduTrainer installiert und angeschlossen werden. Lieferumfang – IoT Gateway – Anschlusskabel 24 V DC auf 4 mm Sicherheitsstecker – 2x Netzwerkkabel – Befestigungsmaterial – Schulungsunterlagen mit Beispielszenario
RkJQdWJsaXNoZXIy MzE0OTAwNw==