Professionelles Tool: EDGE-IMPULSE

Motivation
EDGE-KI, also die KI an der Kante zum Internet,  ermöglicht es, künstliche Intelligenz direkt auf Geräten vor Ort auszuführen – schnell, zuverlässig und ohne ständige Cloud-Verbindung. Mit unserer Apfel-KI haben wir bereits einer erste eigene EDGE-KI entwickelt. Jetzt schauen wir, wie es der Profi macht und nutzen dabei mit EDGE-IMPULSE eine der führenden Cloud-Plattformen auf diesem Gebiet. Die Plattform vereint Datenaufnahme, Modelltraining, Optimierung und Deployment in einer einzigen Umgebung und macht so selbst komplexe KI-Anwendungen schnell realisierbar. Durch speziell optimierte Algorithmen für geringe Rechenleistung und Energieverbrauch eignet sich Edge Impulse ideal für industrielle Sensorik, Qualitätskontrolle, Predictive Maintenance und zahlreiche weitere Edge-AI-Anwendungen. Deutschlands Industrie verfügt über einen großen Schatz an sensiblen Produktionsdaten, die aus Wettbewerbsgründen möglichst nicht nach außen gelangen dürfen. Hier öffnet sich ein breites Anwendungsfeld für neue Ideen und Start-Ups. Ein solches EGDE-Tool darf deshalb in unserer Innovationsplattform nicht fehlen. Vorteile der EDGE-Anwendung sind:

• Datenschutz / -sicherheit – lokale Datenhaltung
• Geringe Latenz – Echtzeit auf Microcontrollern
• Zuverlässig – Unabhängig von Internetverbindung
• Skalierbar - keine zentralen Ressourcen

Zielsetzung
Diese kurze Einführung soll demonstrieren, wie das Tool in den Workflow der IoT²-Werkstatt integriert werden kann und wie einfach die Entwicklung einer professionellen EDGE-KI dadurch wird. Unsere Aufgabe: Entwickle einen Klassifikator, der anhand der Handbewegung bestimmte Gesten erkennt (auf/ab, links/rechts, vor/zurück). Dazu nutzen wir einen MMA7660 Beschleunigungssensor von seedstudio, den Makey (oder jeden anderen ESP32) sowie die Plattform EDGE-IMPULSE.

Durchführung
Nachdem wir uns bei EDGE-IMPULSE angemeldet haben, können wir dort ein neues Projekt anlegen und erhalten wieder einen API-Key, den wir in unserem Blöckchen nutzen um die Verbindung zwischen Editor in der Cloud und unserem ESP32-Mikrocontroller herzustellen. Unser erster Schritt ist dann das Sammeln von Trainingsdaten und die Übermittlung dieser Daten in die EDGE_IMPULSE Plattform. Nur für diesen Schritt benötigen wir eine WLAN-Verbindung ins Internet. Die spätere Anwendung erfolgt dann komplett lokal.

Training in der Cloud
EDGE-Impulse bietet hier eine Reihe von Vorverarbeitungsschritten zur Aufbereitung der Messwerte und verschiedene Klassifikations- und Regressions-Algorithmen. Wir nutzen ein schnelle Fouriertransformation zur Merkmalsgenerierung und ein neuronales Netz als Klassifikator.

Anwendung des Klassifikators ohne Cloudanbindung
Die EDGE-IMPULSE Plattform stellt und den erfolgreich trainierten Algorithmus mit unserer individuellen Vorverarbeitung und Parametrisierung anschließend als offene C++-Library zur Verfügung. Nach Download und kopieren in den Ordner /portable/sketchbook/libraries/  können wir diesen Algorithmus komfortabel als Blöckchen in der IoT²-Werkstatt nutzen.

Der Embedded Code für den Klassifikator bzw.  das Regressionsmodell  wird in der Cloud generiert, als Bibliothek heruntergeladen und dann in der EDGE genutzt. Damit lassen sich Gesten nun sicher lokal erkennen, in der Anwendungsphase ist keine Datenanbindung ans Internet mehr notwendig. Die Kombination aus Low-Code Programmierung und Training in der Cloud ermöglicht einen niederschwelligen Zugang und macht komplexe Technologien auch Anfängern einfach zugänglich.