Cartesiam IDE voegt classificatie van randafwijkingen toe aan Arm Cortex-M MCU's

Cartesiam heeft een nieuwe versie van zijn geïntegreerde ontwikkelomgeving (IDE) geïntroduceerd, die naar eigen zeggen de eerste is die anomalieclassificatie rechtstreeks op alle Arm Cortex-microcontrollers (MCU's) mogelijk maakt. Het heeft ook een nieuw webgebaseerd platform geïntroduceerd voor gebruikers om echte datasets van representatieve gebruiksgevallen te downloaden, en kondigde een samenwerking aan met Bosch Connected Devices and Solutions om zijn IoT-productlijn uit te breiden met Cartesiam's IDE.

Na eerder dit jaar een IDE voor ontwikkelaars te hebben geïntroduceerd om kunstmatige intelligentie (AI)-training en inferentietoepassingen op microcontrollers te creëren, heeft het bedrijf nu de beschikbaarheid aangekondigd van NanoEdge AI Studio V2, dat naast het vereenvoudigen van het maken van machine learning (ML) en inference, voegt nu classificatiebibliotheken toe voor directe implementatie op Arm Cortex-M MCU's.

Cartesiam zei dat deze nieuwe IDE een superieure benadering heeft voor detectie en classificatie van afwijkingen. Dit komt omdat het model is getraind in de microcontroller, wat betekent dat anomaliedetectie de classificatie activeert voor karakterisering en het systeem precies vertelt wat er mis is, niet alleen dat er een generiek probleem is. Dit is de sleutel om gebruikers de intelligentie te geven die nodig is om meer te maken geïnformeerde beslissingen.

Joël Rubino, CEO en mede-oprichter van Cartesiam, legt aan embedded.com uit:“Onze oplossing is vanaf dag één ontworpen in de doos van een microcontroller. We herontwikkelen, vanuit de algebra, alle algoritmen voor machine learning (ML) en signaalverwerking om native in een MCU te draaien. Andere oplossingen op de markt zijn 'verkleinde' oplossingen van een framework dat is ontworpen om te draaien op servers met onbeperkte rekenkracht, geheugen, datasets enzovoort, om in een microcontroller te passen en daarom zijn onze bibliotheken veel meer geoptimaliseerd dan de concurrentie - zoals Google TensorFlow en andere AI-softwareoplossingen die in de cloud draaien. We passen meestal in 4Kb RAM in een typische configuratie, en meestal minder dan 1Kb.”

Geoptimaliseerd voor Arm Cortex-M MCU's, zei Cartesiam dat zijn IDE niet de expertise van datawetenschappers en signaalverwerkingsingenieurs vereist, omdat het een intuïtieve desktoptool is waarmee embedded ontwikkelaars zich kunnen concentreren op het oplossen van zakelijke problemen in plaats van op het selecteren van algoritmen. Het maakt snel leren aan de rand mogelijk, waarbij iteratief leren wordt uitgevoerd in 30 msecs in een Arm Cortex-M4 80 MHz om snel intelligentie te leveren.

Het bedrijf zei dat duizenden commercieel beschikbare industriële IoT (IIoT) embedded apparaten al in productie zijn met NanoEdge AI Studio V1 voor anomaliedetectie. Met de toevoeging van classificatiebibliotheken aan NanoEdge AI Studio V2 kunnen ontwikkelaars nu gemakkelijker verder gaan dan anomaliedetectie om problemen direct in eindpunten te kwalificeren.

"Cartesiam maakt tools voor embedded ontwikkelaars en biedt een intuïtieve drukknopbenadering die geen achtergrond in datawetenschap vereist, waardoor AI wordt geopend voor de miljarden ingebedde apparaten met beperkte middelen die zijn gebouwd met Arm Cortex-M MCU's", aldus Rubino. “In eerste instantie hebben we NanoEdge AI Studio ontworpen om te voldoen aan de vraag van onze klanten op het gebied van voorspellend onderhoud, die, nadat ze gegevens hadden verzameld over het gebruik van hun apparatuur, ons vroegen om hen te helpen hun evenementen eenvoudig te kwalificeren en erop te anticiperen. Met de nieuwe versie van onze IDE kunnen die klanten - en elke andere ingebedde ontwerper - moeiteloos een classificatiebibliotheek ontwikkelen zonder de gebruikelijke uitdagingen die gepaard gaan met signaalverwerking en machine learning-vaardigheden. Dit verlaagt de kosten aanzienlijk en versnelt de time-to-market.”

Hij voegde eraan toe:“Onze oplossing draait op een pc. Geen cloudverbinding of kosten vereist. Veel bedrijven, vooral Europeanen, staan ​​sceptisch tegenover het verzenden van hun gegevens naar de cloud (vanwege bezorgdheid over de privacy van gegevens) en de verborgen kosten van cloudcomputing.”

Voorbeelden van datasets op nieuw webgebaseerd platform, Bosch IoT-partnerschap
Cartesiam introduceerde ook een 'use case explorer' op data.cartesiam.ai, een nieuw webgebaseerd platform. Gebruikers kunnen echte datasets downloaden en de NanoEdge AI Studio IDE uitproberen op representatieve use-cases, zoals detectie van ventilatorobstructie, detectie van borstkanker, detectie van vacuümzakvolume en andere. Het bedrijf zei dat het de portal continu zal verbeteren met extra datasets.

Gelijktijdig met de lancering van zijn nieuwe IDE- en webplatform, voegt Bosch Connected Devices and Solutions Cartesiam's NanoEdge AI Studio toe om zijn bestaande IoT-productlijn, de cross-domein development kit, of XDK, uit te breiden.

Ando Feyh, hoofd technische verantwoordelijkheid, Bosch Connected Devices and Solutions, zei:"Met zijn assortiment van acht sensoren stelt het XDK-platform ontwerpers in staat om processen op afstand te bewaken, te controleren en te analyseren via Bluetooth of Wi-Fi, waardoor onze klanten snel meer kunnen creëren intelligente aangesloten machines. NanoEdge AI Studio V2 vergroot de unieke functionaliteit van de XDK en biedt de mogelijkheid om gegevens te verwerken voor anomaliedetectie en classificatie voor een of meer sensoren. Daarom zijn we van plan om Cartesiams platform te gebruiken in een breed scala aan interne en externe projecten, en werken we nauw samen met Cartesiam aan een NanoEdge AI Studio-integratie met onze XDK.”