Wir entwickeln maßgeschneiderte KI-Lösungen für Embedded-Systeme
Embedded-Systeme bieten viele neue Anwendungsmöglichkeiten, sind kompakt, energieeffizient, kostengünstig und stellen im Verhältnis enorme Rechenleistung zur Verfügung. Damit lassen sich Embedded-Systeme vielseitig integrieren und ganz neue KI-Anwendungsfelder realisieren.
Durch die Integration von Edge Computing und AI-Workflows in Embedded-Systeme bringen wir die Rechenleistung direkt an die Datenquelle und steigern dadurch die Effizienz und Genauigkeit kundenspezifischer Systeme. Wir bieten Ihnen maßgeschneiderte Lösungen für Healthcare und industrielle Anwendungen – schnell und kostengünstig!
Anwendungen
- Automatisierte Bild- und Signalverarbeitung zur Unterstützung medizinischer Diagnosen
- Patientenmonitoring mit Echtzeitüberwachung von Vitalparametern und schnelle Erkennung von Anomalien
- Vorhersage und Optimierung von Patientenbedarfen
- Qualitätskontrolle und Fehlererkennung durch AI-basierte Inspektion (z.B. zerstörungsfreie Prüfung von Werksteilen)
Lösungen
- Echtzeit-Datenverarbeitung und -Analyse direkt am Ort der Datenerfassung
- Edge Computing zur lokalen Datenverarbeitung, Verringerung der Abhängigkeit von Cloud-Konnektivität
- Analyse großer Datenmengen zur Mustererkennung, Vorhersage von Ergebnissen und Empfehlungserstellung
- Bereitstellung der notwendigen Rechenleistung und Flexibilität für Aufgaben vor Ort und in klinischen und industriellen Arbeitsabläufen
- Expertise für 3D-KI-Systeme für große Datenmengen
- Erfahrung mit regulatorischen Angelegenheiten für KI-Anwendungen
Vorteile
- Anwendungsspezifische KI-Architektur für optimale Laufzeit- und Genauigkeitsleistung
- Echte 3D-KI-Modelle für eine konsistente 3D-Ausgabe für CAD-Anwendungen und Anwendungen im Gesundheitswesen
- Ultraschnelle Inferenzzeit für den Einsatz von realen Anwendungen durch integrierte KI-Modelle
- Flexible Integration
- Datenverarbeitung vor Ort für einfaches Riskmanagement durch Einhaltung von Datenschutzbestimmungen (DSGVO)
- Einfache Skalierbarkeit bei Hinzufügen weiterer Edge-Geräte
- Energie- und kosteneffizient, hohe Ausfallsicherheit
Wir entwickeln KI-Lösungen auf eingebetteten Systemen wie der NVIDIA Jetson-Familie für das Gesundheitswesen, Edge Computing und industrielle Anwendungen.
Wir sind Ihr Partner für Embedded AI Anwendungen
Embedded-Systeme für Healthcare
Die Kombination von Edge Computing und AI-Workflows in Embedded Systems bietet eine leistungsstarke Plattform für das Internet of Medical Things (IoMT).
Die dezentrale Verarbeitung ermöglicht Embedded-Systemen sofortige Analysen und eine schnellere Reaktion auf kritische Situationen bei der Patientenversorgung und erleichtert auch das Risikomanagement in Bezug auf sensible Patientendaten.
Mit unserer langjährigen KI-Expertise entwickeln wir echtzeitfähige Embedded-Systeme zur Verbesserung der Patientenversorgung, der Behandlungsergebnisse und des Zugangs zu Dienstleistungen und zur Unterstützung bei klinischen Entscheidungen.
Unsere KI-Entwicklungsdienstleistungen berücksichtigen dabei von Anfang an alle regulatorischen Anforderungen und Compliance-Aspekte.
High Performance Embedded Computing in der industriellen Qualitätsprüfung
Embedded-Systeme in der industriellen Qualitätsprüfung sind der Game Changer.
Sie gewährleisten höchste Qualität und Sicherheit, steigern die Effizienz, reduzieren Ausfallzeiten und sind schnell adaptierbar, wodurch sie unverzichtbare und kostengünstige Systeme für moderne Inspektionsprozesse darstellen. Auch bei robotergestützten Prüfungen und IoT-basierten Embedded-Systemen werden so effiziente, vernetzte und fernüberwachte Qualitätskontrollen ermöglicht.
Embedded Systeme in der zerstörungsfreien Prüfung (ZfP)
Eingebettete Systeme revolutionieren die zerstörungsfreie Prüfung durch präzise und zuverlässige Überwachungstechnologien. Echtzeit-Datenanalyse und maschinelles Lernen ermöglichen sofortige Identifikation von Materialfehlern und strukturellen Anomalien.
Wir von Chimaera sind darauf spezialisiert, KI-Modelle für die Qualitätsprüfung auf einer geringen Anzahl von verfügbaren Trainingsmustern zu trainieren. Zum Training der KI-Modelle werden Fehler markiert, das sogenannte Labeling. Unsere ZfP-Lösung reduziert die mit dem Labeling verbundenen Kosten und die Anpassungszeit eines KI-Modells an Produktänderungen, neue Fehlerklassen oder Änderungen der Fehlereigenschaften oder sogar neue Produktlinien erheblich.
Schnelle Anpassung der KI-Modelle durch Augmentierung und Simulation
Die Chimaera GmbH besitzt Entwicklungskompetenz im Bereich der CT-Rekonstruktion. Rekonstruktionsalgorithmen wie FDK oder iterative Verfahren sind uns vertraut und können je nach Aufgabenstellung schnell angepasst werden.
Zur Generierung von zusätzlichen Trainingsdaten können wir aus einem CAD-Modell eines Bauteils eine reale Rekonstruktion inklusiver typischer Artefakte simulieren. Wir sind in der Lage, schnell und kostengünstig Augmented Data für das Training der KI-Modelle zu generieren. In der Regel werden echte Aufnahmen eines Bauteils mit simulierten Daten gemischt, um mit möglichst wenig Entwicklungsaufwand die KI-Modelle für neue Bauteile zu trainieren oder auch wenn sich Fehlererscheinungen oder Anforderungen ändern.
Das könnte Sie interessieren:
Cardiac C-arm CT: Efficient motion correction for 4D-FBP
Entwicklung skalierbarer und flexibler eingebetteter Hardwarelösungen
Unser Anspruch ist es, eine kundenspezifische Embedded Plattform zu entwickeln, deren Genauigkeit über 99 % liegt.
Um dies zu erreichen, müssen wir von Anfang an verschiedene Parameter im Blick haben, die zusammen mit den Anforderungen des Kunden sorgfältig abgewogen werden müssen:
Wie hoch ist die Anzahl der Trainingsdaten für das KI-Modell?
- Um ein günstiges Konzept zu entwickeln, kann die Anzahl der Trainingsdaten so gering wie möglich gehalten werden.
- Je mehr Realdaten zur Verfügung stehen, umso besser ist das KI-Trainingsmodell.
Welche Komplexität liegt vor?
- Die Komplexität ist abhängig vom Erscheinungsbild eines zu detektierenden Fehlers, einer Formabweichung oder einer Anomalie.
- Die Genauigkeit steigt mit dem Datenvolumen (Anzahl der Trainingsdaten).
Wie hoch ist die Bildqualität von Scans beim zerstörungsfreien Prüfen?
- Die Anzahl der Bilddaten hat direkten Einfluss auf die Rekonstruktionsgenauigkeit.
- CBCT Scans mit reduzierter Bildqualität erfordern i.d.R. mehr Trainingsdaten und erhöhen damit auch die Kosten der Entwicklung.
Wovon hängt die Detektionsgenauigkeit bei verschiedenen Fehlerklassen ab?
- Die Genauigkeit steigt mit gleichmäßiger Auftrittshäufigkeit eines Fehlers bzw. einer Anomalie.
- Sind die Fehlerklassen in Quantität und Erscheinungsbild nicht ausbalanciert, kann sich Entwicklungszeit erhöhen.
Durch unsere langjährige Expertise können wir so alle erforderlichen Schritte optimieren,
um mit geringem Entwicklungsaufwand eingebettete Systeme wie die NVIDIA Jetson Produktfamilie kundenspezifisch anzupassen.
Jeder NVIDIA Jetson ist ein komplettes System-on-Module (SOM) inklusive GPU, CPU, Speicher, Energiemanagement, Hochgeschwindigkeitsschnittstellen etc. und kann auf Ihre Bedürfnisse von uns konfiguriert werden.
Embedded-Systeme – FAQ
Fragen zu Embedded-Systeme an Chimaeras Head of Embedded AI, Dr. Marcus Prümmer:
Worin unterscheidet sich die KI-Entwicklung bei Embedded/Edge-Computing-Systemen von herkömmlichen Server- oder Desktop-PC-Systemen?
Die Entwicklung von KI für Embedded/Edge-Computing-Systemen stellt spezifische Herausforderungen und Anforderungen, die sich stark von denen für herkömmliche Server- oder Desktop-Systeme unterscheiden. Während Server und Desktops von ihrer leistungsfähigen Hardware profitieren können, müssen Embedded-Systeme mit strengen Ressourcenbeschränkungen, Energieeffizienzanforderungen und spezifischen Echtzeitanforderungen umgehen. Die erfolgreiche Implementierung von KI auf Embedded/Edge-Geräten erfordert daher spezialisierte Ansätze, Optimierungstechniken und maßgeschneiderte KI-Lösungen.
Die Konzeption kompakter KI-Modelle, die mit hoher Performance auf Embedded-Hardware laufen und je nach Embedded-System auch mit geringen Hardware-Ressourcen auskommen, erfordert viel Erfahrung. Dies ist eine Kernkompetenz von Chimaera. Wir entwickeln bereits seit 2012, seit der Veröffentlichung der ersten CNNs wie z. B. AlexNet, individualisierte KI-Netze bestehend aus Layern. Dadurch konnten wir viel Erfahrung im Umgang mit diversen KI-Technologien sammeln und sind daher immer auf dem aktuellen Stand modernster KI-Architekturen.
Welche zusätzlichen Schritte sind bei einer Embedded-Lösung erforderlich?
Um eine optimale Performance für ein Embedded-System, wie beispielsweise aus der NVIDIA Jetson Familie, zu erzielen, werden trainierte KI-Modelle von 32-Bit-Single-Precision auf Integer oder 16-Bit-Floating-Point (float16) komprimiert. Dadurch wird der Speicherverbrauch erheblich reduziert, sodass ein KI-Modell auf kleiner Hardware noch mehr Features berechnen kann und in vielen Fällen sogar schneller ist.
Unser Entwicklerteam verfügt über umfangreiche Expertise im Bereich der Numerik, um bereits trainierte KI-Modelle auf andere Bit-Repräsentationen, insbesondere für Embedded-Systeme, zu konvertieren. Dadurch ist es möglich, fortschrittliche KI-Modelle auf sehr kleinen Embedded-Systemen zu nutzen, was deren Vertrieb zu einem attraktiven Preis ermöglicht.
Das könnte Sie interessieren:
- AI for Healthcare with Jetson Nano 2GB
https://developer.nvidia.com/embedded/community/jetson-projects/ai_for_healthcare
- “There are algorithms that even allow to apply post-training quantization and reduce bit depth and thus save valuable memory resources while maintaining accuracy. This raises new applications on embedded systems like NVIDIA Jetson Family or low-end workstation GPU cards.”
https://github.com/ist-daslab/gptq
Was macht Embedded-Systeme so attraktiv?
Embedded-Computing-Systeme, auch Edge-Computing genannt, zeichnen sich durch ihre leistungsfähige Hardware zu geringen Preisen aus. Zudem können sie als eigenständiges System mit geringem Energieverbrauch direkt in ein Gerät integriert werden. In Abhängigkeit der jeweiligen Anwendung können dies sehr kleine Embedded-Systeme sein, die sogar mit Drohnen fliegen können, wie beispielsweise der Jetson Nano. Alternativ sind auch Embedded-Systeme mit höherer Leistung denkbar, wie etwa der NVIDIA Jetson Orin, der die Verarbeitung sehr großer 3D-Bild- oder Videodaten ermöglicht. Da es sich um ein eigenständiges System handelt, begünstigtes es das Risikomanagement von Medizinprodukten.
Gibt es einen besonderen Schwerpunkt bei Chimaera?
Wir stellen uns jeder Aufgabe, sei es aus der Medizintechnik oder der industriellen Bildverarbeitung, mit Begeisterung. Im Bereich der Medizintechnik verfügen wir über viel Expertenwissen, um KI-Projekte von Anfang an nach den MDR-Regularien zu entwickeln. Damit bieten wir die Entwicklung einer „KI-Software as a medical device“. Da wir seit mehr als 18 Jahren Lösungen für die Radiologie entwickeln, haben wir viel Erfahrung in der 3D-Bildverarbeitung.
Die Entwicklung von KI-Modellen für 3D-Bilder, wie DVT, CT oder MR, ist eine anspruchsvolle Aufgabe, die viel Erfahrung und Know-how erfordert. Die Ergebnisse sind in der Regel von höherer Qualität, da 3D-Features den Bildinhalt konsistenter erfassen als eine schichtweise Operation. Oft liegen 3D-Daten als Stack an 2D-Schnittdaten vor. Bei einer Bearbeitung der Daten lediglich als 2D-Bilder geht der komplette 3D-Kontext und damit wichtige Informationen verloren. Die Erkennungsraten von echten 3D-KI-Modellen sind damit erfahrungsgemäß höher. Dies ist unsere Spezialität.
Es gibt bereits viele bekannte KI-Modelle aus der Forschung, können diese direkt für Embedded Systeme verwendet werden?
Bekannte Modelle wie nnUnet bieten eine einfache Möglichkeit, ein Modell für Forschungsanwendungen zu trainieren. Während solche Modelle die Optimierung von Hyperparametern übernehmen, um die Nutzbarkeit während der Entwicklung zu vereinfachen, weisen sie beim Einsatz jedoch eine unzureichende Laufzeitleistung auf. Diese Anwendungen stellen im Wesentlichen komplexere Frameworks dar und eignen sich daher gut als Ausgangspunkt für die Entwicklung eines Prototyps. Bei umfangreichen 3D-Anwendungen kann die Inferenz allerdings mehrere Minuten in Anspruch nehmen.
Daher ist es essenziell, die Anforderungen an das finale System jederzeit im Blick zu behalten – damit beginnt bei Chimaera die eigentliche Entwicklung. Wir bieten maßgeschneiderte 3D-KI-Modelle, die für die jeweilige Aufgabe und Hardware optimiert sind und eine hohe Genauigkeit sowie sehr kurze Inferenzlaufzeiten bis hin zu Echtzeitanwendungen bieten. Die Entwicklung von Embedded-Lösungen erfordert exakt diese Eigenschaften.
Marcus
Dr.-Ing. Marcus Prümmer
Am Weichselgarten 7
91058 Erlangen
Germany
+49 (0)9131 - 691 385
+49 (0)9131 - 691 386
pruemmer(at)chimaera.de