Es war uns eine Freude, zusammen mit ScorePad Teil der ANNPR-Konferenz gewesen zu sein – ANNPR steht für Artificial Neural Networks in Pattern Recognition und bedeutet nicht mehr oder weniger als Musikerkennung mithilfe von neuronalen Netzen. Vielen Dank nochmal an die Kollegen unseres langjährigen Kooperationspartners ZHAW für die tolle Organisation – es macht Spaß, mit euch zu arbeiten!
Für uns mit Embedded Fokus wird es spannend, je größer die Schnittmenge zwischen Mikrocontrollern, wie z.B. 32 Bit und <= 240 MHz, und Machine-Learning-Algorithmen wird. Je nach Aufgabe und Umfeld ist das, was der Mikrocontroller leistet, sehr unterschiedlich. Teilweise dient der Mikrocontroller als reine Sensordaten-Schnittstelle zur Clouddatenbank, was für uns bedeutet: Daten sammeln, plausibilisieren, verschlüsseln und über das gewünschte Protokoll versenden. Der Rest wird dann in der Regel von Webservices oder Apps erledigt.
Im Gegensatz dazu tritt das Edge Computing mehr und mehr in den Vordergrund. Das bedeutet, dass die gesammelten Daten vorverarbeitet und dann erst an den Server geschickt werden für die finale Klassifizierung. Ein schönes Beispiel ist der Edge TPU von Google, der aus den Erkenntnissen der Spracherkennung des Google-Assistenten (offline) auf Android-Geräten entstanden ist und es nun auch im leistungstechnisch unteren Embedded Bereich möglich macht, Machine-Learning-Aufgaben zu meistern.
Haben auch Sie eine Machine-Learning-nahe Embedded Aufgabe? Sprechen Sie uns an – wir freuen uns darauf.
Viele gute quergedachte Ideen wünscht Ihnen die
querdenker engineering
