Blog: SBC’s en ontwikkelborden voor AI- en ML-toepassingen

Geplaatst door Maartje Henket

Kunstmatige intelligentie is in steeds meer branches en industrieën gemeengoed aan het worden. Dat leidt tot een enorme groei in tools, toepassingen en platforms die zijn gebaseerd op Artificial Intelligence (AI) en Machine Learning (ML). Alleen al voor AI-gerelateerde software wordt in 2025 een wereldwijde omzet verwacht van meer dan 100 miljard dollar. Farnell heeft de nieuwste AI-trends op een rijtje gezet en schuift enkele SBC’s en ontwikkelborden naar voren waarmee je zo aan de slag kan.

Tags:
BeagleBone AI is een high-end SBC voor ontwikkelaars die machine learning en computer vision op een eenvoudige manier willen implementeren.

Auto- en technologiebedrijven investeren miljarden dollars in autonoom rijden, misschien wel de grootste driver voor ontwikkeling en toepassing van AI. Een goede tweede is de integratie van gezichtsherkenning in tal van met name veiligheids- en bewakingstoepassingen. Met deep learning-algoritmen wordt er naar gestreefd om verder te gaan dan ‘gewone’ gezichtsherkenning en meer inzicht te krijgen in beelden en scenario’s. AI-gebaseerde gezichtsherkenning zal ook worden ingezet om meer gepersonaliseerde communicatie te bieden aan klanten.

In de gezondheidszorg zit de kracht van AI in het vermogen om in realtime gegevens te verzamelen uit elektronische patiëntendossiers, opnames, apparatuurgebruik en personeelsbezetting en deze op zinvolle wijze te analyseren, wat tot efficiëntere zorg moet leiden. Ook bij onderzoek naar nieuwe geneesmiddelen speelt AI een steeds grotere rol, niet in de laatste plaats bij de ontwikkeling van Covid-vaccins. In dat perspectief heeft AI ook bijgedragen in thermische camera’s en smartphone-apps om de temperatuur van mensen te monitoren en gegevens te verzamelen voor gezondheidszorgorganisaties.

Industriële automatisering

Een sterke industriële groeier vormt de industriële automatisering. In Intelligent Process Automation (IPA) komen Robotic Process Automation (RPA) en Artificial Intelligence (AI) technologieën samen om snelle end-to-end bedrijfsprocesautomatisering mogelijk te maken en digitale transformatie te versnellen. Bij RPA verwerken softwarerobots repetitieve, regelgebaseerde digitale taken die worden aangestuurd door gestructureerde data. Veel bedrijfsprocessen worden nu nog gevoed door of genereren grote hoeveelheden ongestructureerde en realtime data. IPA maakt het mogelijk processen te automatiseren met machine learning en cognitieve technologieën, zoals computer vision, Natural Language Processing (NLP) en fuzzy logic.

Cyber security

AI wordt ook ingezet om technologieën te ontwikkelen om veelvoorkomende soorten aanvallen –ook op AI-systemen– te herkennen en te rapporteren. Daar hoort ook de ontwikkeling bij van antivirussoftware met AI. AI-tools voor cyberbeveiliging kunnen voor bedrijven data verzamelen uit de eigen communicatienetwerken, digitale activiteiten, transactiesystemen en websites, alsmede uit andere externe openbare bronnen. Deze tools passen vervolgens algoritmen toe om patronen te identificeren en bedreigende activiteiten op te sporen of te voorspellen.

AI voor AI

AI zal steeds vaker worden toegepast om zijn algoritmen ontwikkelen en zo het maken, inzetten, beheren en exploiteren van AI-modellen verder te automatiseren. Dit maakt dat ook niet-deskundigen AI-algoritmen en -technieken kunnen gebruiken. Een voorbeeld is Google’s AutoML, een tool die het creëren van machine learning-modellen vereenvoudigt. Deze tools kunnen zoveel maatwerk creëren als nodig is, zonder de complexe workflow van ML in detail te kennen.

IoT en AI

AI en IoT versterken elkaar. IoT-apparaten creëren veel gegevens die moeten worden verwerkt tot bruikbare informatie. Aan de andere kant hebben AI-algoritmen de gegevens nodig om conclusies te kunnen trekken. De met IoT verzamelde data worden dus gebruikt door AI-algoritmen om waardevolle informatie te creëren. Het vermogen van AI om snel inzichten te verzamelen uit gegevens maakt IoT-systemen intelligenter. In de komende jaren zal meer dan 80% van de zakelijke IoT-projecten in de een of andere vorm gebruik maken van AI, tegenover slechts 10% nu.

Maatschappelijke factoren

Het is niet altijd even goed uit te leggen hoe er met AI tot een bepaalde conclusie wordt gekomen, hoe de onderliggende algoritmes werken. Explainable AI moet daar meer transparantie in brengen door te visualiseren hoe ML-netwerken beslissingen nemen. Bedrijven zullen zich ook meer gaan inspannen om te begrijpen hoe AI-modellen en algoritmen werken. Aanbieders van AI/ML-software zullen geavanceerde ML-oplossingen beter uitlegbaar maken voor gebruikers.

In het verlengde hiervan is de toegenomen aandacht van organisaties die machine learning en andere technologieën voor kunstmatige intelligentie implementeren voor de ethische gevolgen ervan. Consumenten en werknemers verwachten dat bedrijven AI op verantwoorde wijze toepassen. De komende jaren zullen bedrijven er bewust voor kiezen om zaken te doen met partners die zich inzetten voor een ethisch verantwoorde dataverwerking.

Aan de slag

Om toepassingen met AI te ontwikkelen zijn er diverse SoC’s en ontwikkelkits beschikbaar. We lichten er de volgende vier uit:

·      BeagleBone AI Single Board Computer

·      Avnet Ultra96-V2 Zynq UltraScale SoC-module en
ZU3EG ontwikkelbord

·       Raspberry Pi 4 Model B computer

·       Arduino Portenta H7 module

BeagleBone AI

BeagleBone AI is een high-end SBC voor ontwikkelaars die machine learning en computer vision op een eenvoudige manier willen implementeren. De SBC bevat een 1,5 GHz dual-core ARM Cortex-A15 Texas Instruments Sitara AM5729, 16 GB on-board eMMC flash, een SuperSpeed USB Type-C interface, Gigabit Ethernet en dual band draadloze connectiviteit. De module vereenvoudigt het gebruik van AI via de TI C66x DSP-kernen, twee dual-core ARM Cortex-M4 co-processoren voor realtime besturing, twee dual-core PRU-subsystemen en vier Embedded Vision Engines die worden ondersteund door een geoptimaliseerde TIDL machine learning OpenCL API met voorgeïnstalleerde tools. De BeagleBone AI heeft ook een extra dual-core PowerVR SGX544 3D GPU en een Vivante GC320 2D grafische versneller.

Avnet Ultra96-V2

De Ultra96-V2 van Avnet is een gebruiksvriendelijk platform gebaseerd op het geïntegreerde dual-core Arm Cortex-R5F realtime, multiprocessing systeem met programmeerbare logica Xilinx Zynq UltraScale+ MPSoC ZU3EG A484. De fijne balans tussen prestaties en vermogen wordt bereikt met behulp van programmeerbare logica om de ML-functie te versnellen. Het ontwikkelbord bevat onder andere Micron 2 GB (512M x32) LPDDR4-geheugen, Microchip WiFi/Bluetooth, Mini DisplayPort (MiniDP of mDP), 1x USB 3.0 Micro-B upstream poort en 2x USB 3.0, 1x USB 2.0 Type A downstream poorten. De PetaLinux-omgeving is beschikbaar om te downloaden.

Raspberry Pi 4 Model B

De Raspberry Pi 4 Model B is door verbeteringen in processorsnelheid, multimedia prestaties, geheugen en connectiviteit in vergelijking met de vorige generatie Raspberry Pi 3 Model B+ beter geschikt om AI-modellen te verwerken. De belangrijkste kenmerken zijn een Broadcom BCM2711, 1,5 GHz quad-core Cortex-A72 (ARM v8) 64-bit SoC, ondersteuning voor twee schermen met resoluties tot 4K via twee micro-HDMI poorten, 2-weg MIPI DSI/CSI-poorten voor camera en display, hardware videodecodering tot 4Kp60, 4 GB LPDDR4 SDRAM, dual-band 2,4/5,0 GHz draadloos LAN, Bluetooth 5.0, Gigabit Ethernet, USB 3.0 en PoE-mogelijkheden (via een aparte PoE HAT add-on).

Arduino Portenta H7

De Portenta H7 module draait tegelijkertijd high-level code en realtime taken. Zijn twee asymmetrische kernen kunnen gelijktijdig hoog-niveau code draaien zoals protocol stacks, machine learning of zelfs realtime geïnterpreteerde talen zoals MicroPython of Javascript samen met low-level realtime taken. Zo kan de module processen uitvoeren die gemaakt zijn met TensorFlow Lite, waarbij de ene kern rekent aan het visionalgoritme en de andere low-level operaties kan uitvoeren zoals het aansturen van een motor, of fungeren als een gebruikersinterface.

De hoofdprocessor van de PH7 is een STM32H747 dual-core eenheid met grafische engine, die bestaat uit een 480 MHz Cortex M7 en een 240 MHz Cortex M4. De twee kernen communiceren aan de hand van remote procedure call waarmee functies op andere processoren naadloos kunnen worden opgeroepen. De ingebouwde draadloze module maakt het mogelijk om gelijktijdig WiFi en Bluetooth connectiviteit te beheren. Het bord bevat verder 8 MB SDRAM, 16 MB NOR flash, 10/100 Ethernet Phy, USB HS, NXP SE050C2 Crypto chip, keramische antenne en DisplayPort over USB-C.

Tags:

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *