Amazon Web Services

Software Services

Dienstleistungen:

Cloud Connectivity, Cloud Development, Machine Vision, WebUI

Betriebssysteme:

Embedded Linux

AWS IoT Greengrass
AWS IoT Greengrass erweitert AWS nahtlos auf Edge-Geräte, so dass diese auf die dort erzeugten Daten lokal einwirken können, während die Cloud weiterhin für Verwaltung, Analytik und dauerhafte Speicherung verwendet wird. Mit AWS IoT Greengrass können verbundene Geräte AWS-Lambda-Funktionen ausführen, anhand von Machine-Learning-Modellen Prognosen erstellen, Gerätedaten synchronisiert halten und sicher mit anderen Geräten kommunizieren – auch ohne Verbindung zum Internet.

Mit AWS IoT Greengrass können Sie bekannte Sprachen und Programmiermodelle zum Erstellen und Testen von Gerätesoftware in der Cloud verwenden und diese dann auf den Geräten bereitstellen. AWS IoT Greengrass kann so programmiert werden, dass Gerätedaten gefiltert und nur notwendige Informationen zurück in die Cloud übertragen werden. Sie können auch Drittanbieter-Anwendungen, lokal installierte Software und sofort einsatzbereite AWS-Services mit AWS IoT Greengrass-Konnektoren verbinden. Konnektoren geben Geräten Starthilfe, die mit vorgefertigter Protokolladapter-Integration eingegliedert werden, und Optimierung der Authentifizierung durch die Integration mit AWS Secrets Manager.

AWS SageMaker Neo
Amazon SageMaker Neo ermöglicht Entwicklern, Machine-Learning-Modelle einmal zu trainieren und sie überall in der Cloud und an der Edge auszuführen. Amazon SageMaker Neo steigert die Leistung der Modelle auf das Doppelte mit weniger als einem Zehntel Speicherbedarf und keinerlei Genauigkeitsverlust.

Entwickler wenden viel Zeit und Energie für die Entwicklung genauer Machine-Learning-Modelle auf, die Prognosen schnell und mit niedriger Latenz in Echtzeit erstellen können. Das ist besonders für Edgegeräte bedeutend, bei denen Speicher und Verarbeitungsleistung zwar sehr beschränkt sind, die Latenz aber sehr wichtig ist. Beispielsweise müssen Sensoren in selbstfahrenden Fahrzeugen Daten normalerweise in einer Millisekunde verarbeiten können, um funktionsfähig zu sein, weshalb ein Rundlauf zur Cloud und zurück nicht möglich ist.

Zudem gibt es für Edgegeräte ein breites Spektrum an unterschiedlichen Hardwareplattformen und Prozessorarchitekturen. Um die beste Leistung zu erreichen, verbringen Entwickler Wochen oder Monate damit, ihr Modell auf jedes Gerät abzustimmen. Der komplexe Abstimmungsprozess führt außerdem dazu, dass Modelle, nachdem sie in der Edge installiert wurden, selten aktualisiert werden. Die Entwickler verpassen die Gelegenheit, die Modelle auf Grundlage der von den Edgegeräten gesammelten Daten umzuschulen und zu verbessern.

AWS Association mit Toradex
AWS, NXP und Toradex arbeiten gemeinsam an einem Computer Vision Reference Kit unter Verwendung eines Apalis System on Module basierend auf dem NXP i.MX8QuadMax Prozessorvon Toradex. Dies ist der neuste und derzeit leistungsstärkste Prozessor der NXP i.MX Produktfamilie. Das Reference Kit verbindet eine Kamera mit dem SoM und ermöglicht Ihnen, Modelle unter Verwendung von AWS SageMaker zu entwickeln und in der Cloud zu trainieren. Mit AWS Greengrass können Sie diese Modelle auf den Edge-Geräten bereitstellen. Im folgenden Video finden Sie eine Beispielanwendung: Ein trainiertes Modell erkennt verschiedene Sorten von Teigwaren auf einem Förderband.

Das Reference Kit steht ab Ende 2019 zum Verkauf bereit.

---

Cloud-basierte AI Demonstration - Toradex | Amazon Web Services | NXP

Kontakt

Region

Asia, Europe, North America, South America