Aetina stellt robuste Edge-KI-Systeme für die industrielle Automatisierung vor

Edge-KI in der industriellen Automatisierung mit Multi-Kamera-Intelligenz transformieren

Die industrielle Automatisierung ist stark auf die visuelle Verarbeitung in Echtzeit angewiesen, um Effizienz und Sicherheit zu steigern. Herkömmliche Steuerungssysteme wie eine speicherprogrammierbare Steuerung (SPS) oder ein verteiltes Steuerungssystem (DCS) stoßen bei komplexen räumlichen Berechnungen häufig an ihre Grenzen. Die moderne Fabrikautomatisierung erfordert eine lokale Bildverarbeitung mit hoher Geschwindigkeit, um Robotik zu steuern und Abläufe sicher zu überwachen.

Raum- und Wahrnehmungsbeschränkungen bei autonomen mobilen Robotern bewältigen

Hersteller stehen vor Herausforderungen bei der Gestaltung ihrer Anlagen, wenn sie eine fortschrittliche visuelle Überwachung auf begrenztem Raum integrieren möchten. Hochauflösende Kamerastreams erzeugen enorme Datenmengen, die sofort lokal verarbeitet werden müssen. Aetina begegnet diesem Engpass mit seinen kompakten Computing-Plattformen AIE-VN34/44 und AIE-VO24/34. Mit Abmessungen von nur 136.3 x 132 x 63 mm bringen diese Einheiten künstliche Intelligenz auf Enterprise-Niveau direkt in mobile Industriehardware.

NVIDIA-Jetson-Hardware für Multi-Kamera-Bildverarbeitung nutzen

Jede Einheit verwendet NVIDIA-Jetson-Orin-NX- oder Jetson-Orin-Nano-Module und erreicht eine KI-Rechenleistung von bis zu 100 TOPS. Diese Hardwarearchitektur unterstützt gleichzeitig bis zu vier GMSL2-Kameraverbindungen. Dadurch kann die Plattform 360-Grad-Bildströme verarbeiten, ohne dass autonome mobile Roboter ins Stocken geraten. Nach meiner Erfahrung bei der Analyse von Edge-Implementierungen verbessert die Auslagerung der Bildverarbeitung vom Hauptcontroller die Reaktionsfähigkeit des Systems erheblich.

Die Bereitstellung von Kameras über große Entfernungen in dynamischen Umgebungen vereinfachen

Die Integration von Multi-Kamera-Netzwerken über große Produktionsflächen birgt typischerweise erhebliche Risiken durch Signalverschlechterung. Aetina löst diese Herausforderung mit validierten GMSL2-Adapterplatinen und Plug-and-Play-Kameramodulen. Diese Architektur gewährleistet eine stabile, hochwertige Videoübertragung über Entfernungen von bis zu 15 Metern. Dadurch können Ingenieure die Zeit für die Systemvalidierung verkürzen und modulare Installationen vereinfachen.

Robuste Zuverlässigkeit unter extremen Betriebsbedingungen gewährleisten

Industriehardware muss rauen Umgebungen der Fabrikautomatisierung standhalten, um kostspielige Produktionsstillstände zu vermeiden. Diese lüfterlosen Plattformen halten Betriebstemperaturen von -25°C bis +55°C stand. Darüber hinaus verfügen sie über eine Stoßzertifizierung nach MIL-STD-810H und eine E-Mark-Zulassung für den Automobilbereich. Die integrierte Ignition Power Control und Eingänge für einen großen Spannungsbereich schützen das System in mobilen Fahrzeuginstallationen vor Spannungsspitzen.

Visuelle Wahrnehmungsfunktionen in der gesamten Fabrikinfrastruktur erweitern

Kompakte Edge-Computing-Geräte wandeln unverarbeitete Bilddaten sofort in verwertbare industrielle Erkenntnisse um. Diese Systeme übernehmen gleichzeitig die Fehlerprüfung, die Überwachung von Produktionslinien und die Verfolgung von Mitarbeitern. In Verbindung mit herkömmlichen SPS- oder DCS-Netzwerken bilden sie einen umfassenden Sicherheitsschutz. Dadurch können autonome Fahrzeuge Hindernisse erkennen und in schnelllebigen Lagerumgebungen sofort eine alternative Route einschlagen.

Langfristigen Mehrwert und Unterstützung des Softwareökosystems sichern

Aetina unterstützt diese Plattformen mit NVIDIA JetPack 6.2 Board Support Packages; die Kompatibilität mit JetPack 7.2 ist in Vorbereitung. Dies gewährleistet langfristige Softwareaktualisierungen und reibungslose Übergänge zwischen KI-Frameworks über den gesamten Produktlebenszyklus hinweg. Meiner Ansicht nach schützt die Auswahl von Edge-Plattformen mit einer kontinuierlich abgestimmten Software-Roadmap Kapitalinvestitionen vor einer vorzeitigen technischen Veralterung.

Anwendungsszenarien aus der Praxis

• Navigation autonomer mobiler Roboter: Vier GMSL2-Kameras ermöglichen eine kontinuierliche Rundumüberwachung, sodass AMRs Hindernisse erkennen und sich auf dynamischen Lagerflächen präzise orientieren können.
• Inline-Fehlerprüfung: Die Hochgeschwindigkeitsverarbeitung von Kameradaten erkennt mikroskopische Montagefehler auf Produktionslinien mit hohem Durchsatz, bevor die Produkte die Verpackung erreichen.
• Überwachung des toten Winkels von Fahrzeugen: Industrielle Routenzüge und Gabelstapler nutzen visuelle Edge-KI-Systeme, um Personen in der Nähe zu verfolgen und so Kollisionen in stark frequentierten Arbeitsbereichen aktiv zu verhindern.