Suchen

Machine Learning

Embedded Systeme bringen Intelligenz in Maschinen

| Redakteur: Jürgen Schreier

Am Messestand von MathWorks auf der embedded world 2018 dreht sich (fast) alles um die Implementierung von Algorithmen des Machine und Deep Learning in Embedded Systemen. Zu sehen sind Beispiele aus verschiedenen Anwendungsbereichen - zum Beispiel der Erkennung und Klassifizierung von Objekten und Sprache für autonome Systeme.

Mit dem MATLAB-Grafiksystem erstellte Diagramme
Mit dem MATLAB-Grafiksystem erstellte Diagramme
( Bild: MathWorks )

Mit Machine Learning und Deep Learning lassen sich komplexe Modellierungsaufgaben in den verschiedensten Industriebereichen lösen. Dazu entwickeln Ingenieure und Wissenschaftler Modelle, die selbstständig aus Daten lernen. Auf diese Weise können zum Beispiel Maschinenausfälle durch vorausschauende Wartung vorhergesagt und so vermieden werden. Oder Fahrzeuge lenken sich mittels autonomer Systeme selbstständig.

Doch wie kommt die Intelligenz in die Maschine? Um Algorithmen des Machine Learning produktiv zu nutzen, eignet sich die Implementierung in Embedded Systemen oder in einer Cloud-Infrastruktur. Dabei zeigen sich je nach Modell unterschiedliche Präferenzen für die genutzte Hardware. So werden für Machine-Learning-Verfahren wie "Support Vector Machine" vor allem Microcontroller genutzt, während sich für die Implementierung von Convolutional Neural Networks (CNN) im Bereich des Deep Learning GPUs etabliert haben. In beiden Fällen muss das entwickelte Modell in weniger abstrakten Code - zum Beispiel in C - umgewandelt werden, um auf die Hardware überführt werden zu können.

Neuronale Netze mit GPU Coder in Maschinen implementieren

Der MathWorks GPU Coder wurde dafür entwickelt, MATLAB-Anwendungen und Deep-Learning-Netze auf GPUs zu integrieren. Dabei werden die MATLAB-Modelle in optimierten NVIDIA-CUDA-Code umgewandelt. Dadurch lassen sich auch rechenintensive Teile des MATLAB-Code schneller ausführen. Änderungen im MATLAB-Code können durch Knopfdruck auf den CUDA-Code übertragen werden, was zudem die Synchronisierung zwischen beiden Modellen vereinfacht.

Die Demonstrationen am MathWorks-Messestand auf der embedded World 2018 im Detail:

  • Machine Learning: Als Beispiel für Modelle, die aus Daten lernen können, zeigt diese Demo eine Klassifizierung von Herztönen in „normal“ und „abnormal“, wobei Machine Learning und automatische Code Generierung genutzt werden.
  • GPU Coder für beschleunigte Bild- und Spracherkennung mittels Deep Learning: Der neue MathWorks GPU Coder ermöglicht Anwendern die automatische Generierung von optimiertem NVIDIA-CUDA-Code aus MATLAB-Code für Deep Learning, eingebettete Bild- und Sprachverarbeitung sowie autonome Systeme. Mit GPU Coder soll der Arbeitsablauf der Implementierung vereinfacht werden – von abstrakten Funktionsbeschreibungen in MATLAB über die Beschleunigung rechenintensiver Teile des MATLAB-Codes auf NVIDIA-Tesla-GPUs bis hin zur Implementierungen auf NVIDIA-Jetson-System-on-Modules (SoMs) und der NVIDIA-DRIVE-PX-Plattformen.
  • Vision HDL für SoC FPGAs: Ein für die Überwachung der Fahrbahnbeschaffenheit konzipierter Algorithmus wird mittels automatischer C- und HDL-Code-Generierung auf einem heterogenen SoC FPGA implementiert. Vision HDL Toolbox ermöglicht Streamen und Prozessieren der Videodaten in Echtzeit.
  • Adaptive Cruise Control mit Sensorfusion auf ARM Plattform: Die Closed-Loop-Simulation einer adaptiven Fahrgeschwindigkeitsregelung basiert auf Sensorfusion von Kameradaten und Radarsignalen für ein Fahrzeug, das auf einer gebogenen Straße fährt. Implementierung auf AM3358 ARM Cortex A8 Prozessor mit Embedded Coder.
  • Verifikation und Validierung in Simulink: Die Demo zeigt den kompletten Workflow von der Erstellung und Verwaltung von Anforderungen in Simulink bis hin zum automatisierten Testen sowie typische Qualitätsmessungen wie Checks von Modellierungsrichtlinien, Metriken und Testabdeckung.

Als Unteraussteller zeigt Speedgoat unter anderem eine Echtzeit-Erkennung von Fahrspuren und Objekten mit direkter Videoerfassung über USB.

MathWorks ist zudem erneut Platin-Sponsor des Student Day am 1. März 2018. Erwartetet werden über 1000 Studierende, die sich am MathWorks-Stand über den Einsatz von MATLAB und Simulink sowie über berufliche Einstiegsmöglichkeiten bei MathWorks informieren können.

MathWorks auf der embedded world 2018: Halle 4, Stand 110

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45084487)