Fizikai mesterséges intelligencia az iparágakban: az érzékeléstől a cselekvésig
Fedezzen fel tizenkét ágazatot, köztük az orvostudományt, és alakítson egy működési problémát mérhető hardver- és szoftverprojektté.
Olvassa el az útmutatót →◎ Magyar
Műszaki jegyzetek
Fizikai mesterséges intelligencia, robotika és beágyazott tervezés.
Fedezze fel az alkalmazásokat különböző iparágakban, beleértve az egészségügyet is. Ezután menjen mélyebbre az érzékelésbe, a hardverbe és a szoftverbe, amelyek működésre késztetik őket.
Kezdje az alkalmazással
A fizikai AI-tól a működő termékig.
Válasszon útmutatót a használati eset, a hardver és az érvényesítési terv összekapcsolásához.
AI a robotikában: az érzékeléstől a megbízható helyi vezérlésig
Kapcsolja össze az érzékelést, a helyi számítástechnikát és a mozgást világos interfészek, szimuláció és valós érvényesítés révén.
Olvassa el az útmutatót →Fizikai mesterséges intelligencia az egészségügyben: Orvosi eszközök és munkafolyamatok tervezése
Fedezze fel az orvosi érzékelést, a laboratóriumi automatizálást és az egészségügyi robotikát világos fejlesztési és validációs körrel.
Olvassa el az útmutatót →Mérnöki könyvtár
Menjen mélyebbre a tervezésben.
Gyakorlati megjegyzések az érzékeléshez, számításokhoz, interfészekhez és egyedi termékfejlesztéshez.
Műholdas mérnöki fejlesztés
Hogyan működik az Edge AI a műholdakon? A szenzoradatoktól a földi adatkapcsolatig
Ismerje meg a fedélzeti műholdas AI-t: érzékelő előfeldolgozás, következtetés, felhőszűrés, adatprioritás, letöltési korlátok és földi validálás.
Olvassa el a mérnöki útmutatótMűholdas mérnöki fejlesztés
Műholdas Edge AI hardver: számítási kapacitás, tápellátás és ellenőrzés
Tervezze meg a műholdas hasznos teher feldolgozási hardverét: CPU és FPGA kompromisszumok, energia, hőtervezés, sugárzási kockázatok, hiba-helyreállítás és ellenőrzési bizonyítékok.
Olvassa el a mérnöki útmutatótMegvalósítási útmutató
Eseményalapú látásszoftver: SDK-k, adatformátumok és integráció
Válasszon egy SDK-t, vizsgálja meg a felvételt, és határozza meg az eseményfeldolgozási folyamatot a beágyazott pilot előtt.
Olvassa el az útmutatót →Megvalósítási útmutató
RK3588 NPU útmutató: Modellbevezetés, INT8 és teljesítményteszt
Készítsen reprodukálható modell-telepítési munkafolyamatot, és különítse el a pontosságot, a következtetési időt és a végpontok közötti teljesítményt.
Olvassa el az útmutatót →Megvalósítási útmutató
Modulon lévő rendszer vs egylapos számítógép: Választás a gyártáshoz
Hasonlítsa össze a kész táblát egy egyedi alaplappal a telepítési korlátok, a rendszerköltség és az életciklus-követelmények figyelembevételével.
Olvassa el az útmutatót →Megvalósítási útmutató
Egyedi hordozókártyák tervezése: folyamat, költségtényezők és ütemezés
Készítsen egy hasznos tervezési tájékoztatót, és ismerje meg a NRE árajánlat mögött rejlő munkát, függőségeket és szállítmányokat.
Olvassa el az útmutatót →Mérnöki megjegyzés
Prediktív karbantartás: rezgéselemzés és Edge AI
Tervezzen rezgésfelügyeletet üzemi állapotokkal, hőkamerás képalkotással és helyi AI-feldolgozással a mérhető karbantartási döntésekhez.
Olvassa el a megjegyzést →Mérnöki megjegyzés
Ipari IoT-hálózatok: tárolás és továbbítás mobilhálózat nélkül
Tervezzen helyi tárolást, üzenetprioritásokat és kapcsolat-helyreállítást az okosmezőgazdaság és távoli létesítmények felügyeletéhez.
Olvassa el a megjegyzést →Mérnöki megjegyzés
Ipari IoT-átjárók: PLC, SCADA és protokollintegráció
Határozza meg a Modbus, CAN-busz, adatleképezés, időbélyegek és nyomkövetési naplók követelményeit PLC- és SCADA-rendszerekhez.
Olvassa el a megjegyzést →Mérnöki megjegyzés
Szenzorfúzió: kamera, LiDAR, IMU és időszinkronizálás
Tervezze meg az időbélyegeket, kalibrációt és késleltetést a kamera, LiDAR és IMU robotikai és ipari szenzorfúziójához.
Olvassa el a megjegyzést →Mérnöki megjegyzés
Eseményalapú és keretalapú jövőkép: gyakorlati összehasonlítás
Válasszon kamera megközelítést alkalmazásonként, hasonlítsa össze az időzítési határokat, és készítsen reprodukálható értékelést.
Olvassa el a megjegyzést →Mérnöki megjegyzés
FPGA vs NPU vs MPU: Hardver kiválasztása a Edge AI számára
Hasonlítsa össze a processzor szerepköreit, számítsa ki a többkamerás memória költségvetését, és tervezzen megismételhető architektúra értékelést.
Olvassa el a megjegyzést →Mérnöki megjegyzés
Ventilátor nélküli ipari PC tervezése Edge AI-hoz
Tervezzen ipari számítógépet tartós AI-terhelésre, hőelvezetéssel, beágyazott Linuxszal, tápvédelemmel és rendszerszintű ellenőrzéssel.
Olvassa el a megjegyzést →ALVEXIS / FORGEPULSE
Villanymotorok állapotfelügyelete ForgePulse segítségével
Motorcsaládra szabott pilot: rezgés, helyi hőmérséklet és mágneses tér mérése, megfelelő rögzítés, majd továbbfejlesztés karbantartási elemzések és digitális ikrek felé.
Fedezze fel ↗Kapcsolódó mérnöki útmutatók
Edge AI és Cloud AI ipari készülékekhez
Edge AI és Cloud AI ipari összehasonlítása: késleltetés, offline működés, adatkezelés és a teljes feladatterhelés tesztelése.
Ipari érzékelők állapotfelügyelethez és Edge AI-hoz
Válasszon ipari érzékelőt az egyedi felügyelet mérési, interfész-, szerelési és kalibrálási követelményei alapján.
Megújuló energia felügyelete: érzékelők, hőképalkotás és Edge AI
Edge AI-felügyeleti lehetőségek biomassza-, szél-, nap- és geotermikus rendszerekhez, érzékelőintegrációval és pilottervezéssel.
Arduino-platformra épülő prototípusból egyedi ipari hardver
Alakítsa Arduino-prototípusát egyedi ipari hardverré világos interfészspecifikációval, PCB-tervvel és gyártási teszttervvel.
Akkumulátor-felügyeleti rendszerek: beágyazott hardvertervezés
Ismerje meg a felügyelet és a BMS tervezési határait, mérési interfészeit, védelmi felelősségeit és validálási tervezését.