Kursplan

Introduktion till Edge AI i industriella miljöer

  • Varför edge computing är viktigt inom tillverkning
  • Jämförelse med molnbaserad AI
  • Användningsområden inom vision, prediktiv underhåll och kontroll

Maskinvaruplattformar och begränsningar på enhetsnivå

  • Översikt över vanliga edge maskinvaror (Raspberry Pi, NVIDIA Jetson, Intel NUC)
  • Överväganden om bearbetning, minne och effekt
  • Val av rätt plattform för applikationstyp

Modellutveckling och optimering för edge

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

Computer Vision och Sensor Fusion på edge

  • Edge-baserad visuell inspektion och övervakning
  • Integration av data från flera sensorer (vibration, temperatur, kameror)
  • Real-tidsanomalidetektion med Edge Impulse

Communication och datautbyte

  • Användning av MQTT för industriell kommunikation
  • Integration med SCADA, OPC-UA och PLC-system
  • Säkerhet och motståndskraft i edge-kommunikationer

Distribution och fälttestning

  • Förpackning och distribution av modeller på edge-enheter
  • Övervakning av prestanda och hantering av uppdateringar
  • Fallstudie: real-tidsbeslutsloop med lokal aktivering

Skalning och underhåll av Edge AI-system

  • Strategier för hantering av edge-enheter
  • Fjärruppdateringar och modellåterträningscykler
  • Livscykelöverväganden för industriell grad av distribution

Sammanfattning och nästa steg

Krav

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

Målgrupp

  • Utvecklare av inbyggda system
  • Industriella IoT-team
 21 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier