Machine Learning toepassen op bestaande sorteermachine zonder hardware aanpassingen
De ontwikkelingen van AI gaan snel. Door AI en Machine Learning slim toe te passen worden machines sneller en nauwkeuriger. Dit is interessant maar de investeringen in zowel hard- als software ontwikkeling zijn vaak hoog. Hier heeft Inventeers iets op gevonden. In dit artikel leggen we uit hoe we een handgeschreven code in een sorteermachine hebben vervangen voor een AI model, de software 33% sneller hebben gemaakt en dit alles zonder aanpassingen te doen aan de bestaande hardware/elektronica.
De voordelen van een AI model: snelheid en multi-inzetbaarheid
Het verbeteren van de snelheid en nauwkeurigheid waren niet de enige reden voor de opdrachtgever om de mogelijkheden van AI te verkennen. De sorteermachine gaat in de toekomst voor meerdere producten gebruikt worden en het was niet wenselijk om voor ieder nieuw product een handgeschreven software model te maken. Het AI model moest dus zo ontwikkeld worden dat het geschikt was voor meerdere datasets. Daarnaast was er nog een uitdaging. De opdrachtgever wilde niet de elektronica van de machines aanpassen, AI chips waren dus geen oplossing. De AI moest gaan draaien op de bestaande microcontroller Microchip ARM Cortex-M4.
AI Machine Learning model implementeren op Microchip ARM Cortex-M4
De engineers van Inventeers zagen mogelijkheden om aan de wensen van de opdrachtgever te voldoen.
Pim van der Meer (engineer bij Inventeers): “Met de bestaande dataset hebben we, op de computer, getraind met Supervised Classification Machine Learning. Deze manier van Machine Learning zorgt ervoor dat alle keuzes in het model herleidbaar zijn en dit zorgt ervoor dat er achteraf geen verassingen zijn. Het uiteindelijke model is geport naar een Microchip ARM Cortex-M4. Deze chip werd al gebruikt in de sorteermachine. Door automatische testen en cross validatie hadden we sneller inzage in de prestaties van het model en de resultaten waren buitengewoon goed. Op deze manier is het gelukt om miljarden datapunten en beslissingen op een bestaande microcontroller te krijgen zonder daarvoor een server te gebruiken. AI on the Edge!”
AI maakt software 33% sneller
De opdrachtgever was heel blij met het uiteindelijke resultaat. De handgeschreven software is vervangen door het AI model. Dit model is geïmplementeerd in de bestaande Microchip ARM Cortex-M4 waardoor de hardware niet gewijzigd hoeft te worden. De tijd om producten te analyseren is met 33% afgenomen. Daarnaast kan dit AI model ook gebruikt worden om straks andere producten met hetzelfde model te sorteren. Uiteraard moet dit model dan wel met nieuwe data getraind worden.
Maak een afspraak
Wil jij ook eens praten over de mogelijkheden van AI en Machine Learning?
Neem contact met ons op voor een vrijblijvend gesprek!
