AI in embedded systems: huidige mogelijkheden, toekomstige kansen

Op woensdag 24 september vindt van 10:00 tot 11:30 in de seminarzaal Faraday op de E&A beurs het seminar ‘AI in embedded systems: huidige mogelijkheden, toekomstige kansen’ plaats. In een drietal lezingen word je bijgepraat over de huidige en toekomstige mogelijkheden van AI. Aan de hand van concrete voorbeelden van AI-toepassingen in embedded systemen krijg je inzicht in de praktische voordelen en uitdagingen.

Veel AI-initiatieven stranden omdat ze beginnen met techniek, niet met het echte probleem. Maar AI is geen kant-en-klaar product; het is een uitgebreide gereedschapskist waarmee je veel kunt realiseren, mits je de juiste keuzes maakt. Erwin Haas (Landscape AI) trapt het seminar af met een helder overzicht van wat AI concreet betekent (en wat vooral niet). Hij legt uit waarom het belangrijk is onderscheid te maken tussen het toepassen van bestaande oplossingen zoals ChatGPT en het ontwikkelen van AI-oplossingen, die specifiek zijn voor jouw organisatie en applicatie. Impact maken met AI kan volgens hem met een iteratieve aanpak, met ruimte om te leren. Aan de hand van gerealiseerde projecten laat hij zien hoe dat in zijn werk gaat.

Technologie en infrastructuur voor embedded AI

Mark Boer van Aemics gaat in op de technologische basis en infrastructuur die nodig zijn om AI succesvol te integreren in embedded systemen, met name voor het realiseren van embedded AI on the edge. In zijn lezing komen verschillende hardwarebenaderingen aan de orde, zoals het gebruik van specifieke AI-chips versus het integreren van algoritmes op reguliere microcontrollers. Ook komt de softwarekant aan bod: hoe optimaliseer je een AI-model zodat het betrouwbaar, efficiënt en real-time kan draaien? Mark bespreekt welke afwegingen een rol spelen bij de keuze van architectuur, waaronder prestaties, energieverbruik, kosten en onderhoud. Rode draad door het verhaal is een praktijkcase waarin embedded AI wordt toegepast in een vision toepassing. 

AI in de praktijk

Een robot die het waterleidingnetwerk inspecteert, op een IC direct signaleren waarom een te vroeg geboren baby ophoudt met ademen, en CT-scans simuleren van alle denkbare vormen van kwaadaardige longtumoren om kanker beter te diagnosticeren. Dit zijn slechts enkele voorbeelden van projecten waaraan bij Demcon wordt gewerkt aan de toepassing van AI in de dagelijkse praktijk van ons leven. AI is geen ver-van-mijn-bed-show en beperkt zich niet tot CoPilot, ChatGPT en een grotere kans om gehackt te worden. AI-expert Marnix Zoutenbier van technologiebedrijf Demcon laat in zijn lezing zien hoe deze uitdagingen worden aangepakt en waarom deze projecten nu wel mogelijk zijn, terwijl dat tien jaar geleden nog niet het geval was.

Drie praktijkcases

FHI sprak met Marnix Zoutenbier en zijn collega, elektronica-architect en business developer Mark Heitkamp, over de invloed van AI op de elektronicawereld. Aan de hand van drie praktijkcases laten zij zien hoe AI, mits verantwoord ingezet, de wereld verrijkt.

Vroeggeboren baby’s met slaapapneu

Apneu is een aandoening waarbij de ademhaling kortstondig stopt tijdens het slapen. Bij premature baby’s kan dit de ontwikkeling van de hersenen beïnvloeden. Een snelle en correcte diagnose voorkomt veel leed. Marnix legt uit hoe AI hierbij behulpzaam kan zijn. “Premature baby’s liggen meestal in couveuses met sensoren op hun lichaam die hun ademhaling monitoren. Samen met Demcon macawi respiratory systems, een zusterbedrijf gespecialiseerd in beademingsapparatuur, ontwikkelen we de cardiorespiratoire sensor Macawi SERA. Deze sensor kwalificeert signalen met AI-technologie. We gebruiken hiervoor geavanceerde deep learning-algoritmen, zoals recurrente neurale netwerken (RNN’s). De algoritmen herkennen patronen in ademhalingssignalen en onderscheiden verschillende soorten apneu. Kinderartsen krijgen zo direct inzicht in het apneutype en kunnen hun behandeling hierop baseren.”

Mark Heitkamp vult aan: “We werken met verschillende teams en disciplines aan dit project. Marnix en zijn collega’s ontwikkelen de algoritmes, mijn team houdt zich bezig met de elektronica in de sensor, Macawi is verantwoordelijk voor de hardware en kinderartsen van het UMC denken mee over de praktische toepassing.”

Volgens Marnix is er al veel mogelijk, maar loop je soms tegen praktische dilemma’s aan. “Een grotere chip heeft meer capaciteit, maar brengt hogere kosten met zich mee. Het is dus zoeken naar een zo goedkoop mogelijke oplossing die de benodigde hoge kwaliteit van apneu-detectie heeft. Daarnaast moet de hardware eenvoudig praktisch toepasbaar zijn, aansluiten bij de gebruikerseisen vanuit het ziekenhuis en comfortabel zijn voor de patiënt. Zeker bij deze doelgroep.”

Met een ‘slangrobot’ door het Nederlandse waterleidingnetwerk

Wateronderzoekinstituut KWR gaf aan Demcon opdracht voor het ontwikkelen van een inspectierobot voor waterleidingen. De robot moest geschikt zijn om zelfstandig door het 42 jaar oude waterleidingnet van Nederland te bewegen en daarbij scheuren, lekkages en corrosie te detecteren. Mark: “Dat was een uitdaging voor onze ingenieurs. De robot moet wendbaar en flexibel zijn, voldoende opslagcapaciteit hebben en 100% waterdicht zijn. En dat allemaal in een zo klein mogelijk formaat, omdat het anders niet past in de behuizing.”

Marnix: “Door AI weet de robot wat te doen in onverwachte situaties, zoals een blokkade, lekkage, defect of splitsing. We trainen geavanceerde machine learning-modellen op duizenden gesimuleerde scenario’s, zodat de robot zelfstandig beslissingen kan nemen. Zonder AI was dit niet mogelijk of veel te tijdrovend. Vroeger was het afwachten tot een waterleiding kapot ging. Nu kunnen medewerkers van waterleidingbedrijven gericht ingrijpen om een defect te voorkomen. Dit bespaart tijd, geld en frustraties. Tegelijk blijven we alert op mogelijke beperkingen, zoals het risico op verkeerde interpretaties door AI bij onverwachte situaties.”

Kwalificeren kwaadaardige longkanker

Een AI-project waar Demcon op eigen initiatief aan werk draait om CT-scans waarmee de aard van longkanker vastgesteld kan worden op basis van synthetische data. Dit zijn gesimuleerde gegevens die echte data nabootsen. Marnix: “Het grote voordeel van synthetische data is dat je niet afhankelijk bent van input van artsen. We genereren longen in 3D inclusief een longknobbeltje. Daarna bootsen we een CT-scan na van de longen en het knobbeltje. Op basis van heel veel gesimuleerde CT-scans kan een model de aard van knobbeltjes interpreteren. Een kwaadaardige tumor ligt bijvoorbeeld rood op; een goedaardig gezwel blijft wit.”

Deep learning-algoritmen herkennen veranderingen in longtumoren sneller dan traditionele methoden. “Echter, deze algoritmen hebben meer trainingsdata nodig om goed te werken. Synthetisch data is de ideale uitkomst om de benodigde trainingsdata te genereren. Hierdoor kun je de tumoren uiteindelijk beter analyseren en diagnosticeren”, vervolgt Marnix. “Voor pathologen en radiologen is dit interessant. Tegelijk is het gebruik van synthetische data in de medische wereld controversieel, omdat het nieuw is. Je kan wel van alles genereren, maar in hoeverre klopt het ook? Met andere woorden: hoe ga je het valideren? De algoritmes zijn nog in ontwikkeling, maar ik heb er vertrouwen in dat het goed gaat komen.”

Mark vult aan: “Medische elektronica moet aan strengere regels voldoen dan gewone elektronica. Op het gebied van synthetische data hebben de notified bodies nog geen standpunt ingenomen. Dan is het apparaat klaar om getest te worden, maar kunnen we niet verder door juridische belemmeringen. Dat is erg frustrerend, hoe begrijpelijk ook. De medische sector is van oudsher traditioneel ingesteld, maar loopt in de voorhoede van technologische vernieuwing. Artsen zien dat heus wel in, maar het ontbreekt ze vaak aan tijd om aan een project mee te werken dat pas op langere termijn resultaat oplevert.”