Kom i kontakt

Kursplan

Inledning till Edge AI i industriella sammanhang

  • Varför Edge computing är viktigt i tillverkning
  • Jämförelse med molnbaserad AI
  • Användningsfall inom bildanalys, prediktiv underhåll och styrning

Hardwareplattformar och begränsningar på enhetsnivå

  • Översikt över vanliga Edge-hardware (Raspberry Pi, NVIDIA Jetson, Intel NUC)
  • Överväganden kring processning, minne och ström
  • Att välja rätt plattform för applikationstyp

Modellutveckling och optimering för Edge

  • Tekniker för modellkomprimering, beskärning och kvantisering
  • Användning av TensorFlow Lite och ONNX för inbäddad distribution
  • Balans mellan noggrannhet och hastighet i begränsade miljöer

Bildanalys och sensordatafusion vid Edge

  • Bildbaserad inspektion och övervakning vid Edge
  • Integrering av data från flera sensorer (vibration, temperatur, kameror)
  • Realtidsdetektering av avvikelser med Edge Impulse

Kommunikation och datautbyte

  • Användning av MQTT för industriell meddelandehantering
  • Integrering med SCADA, OPC-UA och PLC-system
  • Säkerhet och robusthet i Edge-kommunikation

Distribution och fälttestning

  • Packning och distribution av modeller på Edge-enheter
  • Övervakning av prestanda och hantering av uppdateringar
  • Fallstudie: beslutsslinga i realtid med lokal aktivering

Skalande och underhåll av Edge AI-system

  • Strategier för hantering av Edge-enheter
  • Fjärruppdateringar och cykler för omtränning av modeller
  • Livscykelöverväganden för industriell distribution

Sammanfattning och nästa steg

Krav

  • Förståelse för inbäddade system eller IoT-arkitekturer
  • Erfarenhet av programmering i Python eller C/C++
  • Kännedom om utveckling av maskininlärningsmodeller

Målgrupp

  • Utvecklare av inbäddade system
  • Team för Industrial IoT
 21 Timmar

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier