KI-Kameras: Können sie IoT-Sensoren ersetzen?

Okay, vielleicht führen wir ein wenig in die Irre; Mit KI-Kameras meinen wir eigentlich Computer Vision. Die jüngsten Fortschritte bei der Bildanalyse mithilfe künstlicher Intelligenz lassen uns fragen, ob die Kamera tatsächlich mehrere Arten von Sensoren ersetzen könnte. Für zahlreiche Anwendungsfälle erleichtert es die Verwaltung der Hardware erheblich und liefert aufschlussreichere Daten. Visuelle Intelligenz hat viel mehr zu bieten als das menschliche Auge. Es kann Hunderte von Orten gleichzeitig beobachten, auf eine Submillimeter-Skala zoomen, im Infrarotbereich sehen und vieles mehr. Viele Dinge, die derzeit von Sensoren überwacht werden (Temperatur, Bewegung, Nähe), könnten durch eine KI-gestützte Kamera überprüft und sogar verbessert werden.

In diesem Artikel wird versucht, unter Berücksichtigung Ihres eigenen Anwendungsfalls zu beantworten, ob es am besten ist, Sensoren durch Kameras zu ersetzen.

Aktuelle Hardware- und Softwareverbesserungen

Fortschritte im Bereich Computer Vision und KI-fähige Kameras führen dazu, dass sie heute besser in der Lage sind, Funktionen auszuführen.

Kameras sind hochwertiger und billiger

Mit der Demokratisierung von HD- und 4K-Kameras, die mit 60–120 fps (Bildern pro Sekunde) oder mehr aufnehmen, verfügt Computer Vision über geeignete Werkzeuge, um Echtzeitaufnahmen besser als je zuvor zu analysieren.

Anwendungen wie das Ablesen des Kennzeichens eines schnell fahrenden Autos erfordern eine hohe Rollgeschwindigkeit, um ein klares Bild einzufangen. Vollformatsensoren und 4K ermöglichen die Überwachung eines großen Sichtfeldes mit nur einer Kamera.

Kameras sind überall (und fliegen!)

High-End-Kameras, insbesondere auf Smartphones, sind eine einfache und qualitativ hochwertige Quelle für die Datenerfassung direkt im Feld. Wenn es um industrielle Wartung geht, hat jeder Techniker ein Tool in der Tasche, mit dem er ein Bild oder Video hochladen und eine KI konsultieren kann, um die Lösung für das Problem zu finden. In der Landwirtschaft kann ein Landwirt ein Foto einer Ernte machen und sofort Informationen über eine mögliche Krankheit erhalten.

Drohnen sind auch zu einem wichtigen Bestandteil der Computer Vision geworden, insbesondere für landwirtschaftliche oder große Industrieanlagen (Stromleitungen, Recyclinganlagen, Pipelines usw.). Die Fähigkeit von Drohnen, große Gebiete zu überfliegen, bedeutet, dass Kameras Bilder sammeln können, die noch vor einigen Jahren viel zu kostspielig gewesen wären.

Der Aufstieg der Edge-Infrastrukturen

Video-Feeds benötigen mehr Speicherplatz als die meisten Datenquellen. Die Kosten für das kontinuierliche Hochladen mehrerer 4K-Aufnahmen in die Cloud könnten ein Hindernis für die Verwendung von Videos darstellen. Die Edge-Infrastruktur begegnet dieser Herausforderung, indem sie das Filmmaterial lokal analysiert und nur einen Bruchteil der Daten zur weiteren Analyse hochlädt.

Bei Videos sind Datenschutz und Sicherheit äußerst heikel, insbesondere im Vergleich zu Geräten wie landwirtschaftlichen Bodensensoren. Das lokale Speichern der Dateien auf Edge-Geräten kann das Risiko eines Hackerangriffs verringern, vor allem aber die Verantwortlichkeiten im Falle eines Datenraubs klären (Bauleiter, Kunde).

Anwendungsfälle für Kameras im IoT

Über das menschliche Sehvermögen hinaussehen

Wir sehen die Welt durch unsere menschlichen Augen, die es uns ermöglichen, mit einer Sehgenauigkeit von etwa 30 Grad, aus angemessener Entfernung und bei geeigneten Lichtverhältnissen zu sehen. Bei Kameras sind die Einschränkungen weitaus geringer. Insbesondere bei der Kombination mehrerer Kameras sind der Computer Vision nahezu keine Grenzen gesetzt. Es kann aus verschiedenen Blickwinkeln betrachtet und diese verschiedenen Feeds in Echtzeit analysieren.

Hochauflösende RGB-Kamera zur Qualitätsprüfung

In einer Produktionskette erfolgt die Qualitätsprüfung häufig durch die Auswahl einer zufälligen Produktcharge, vielleicht 1 Prozent, und deren Prüfung. Eine KI-fähige Kamera kann die gesamte Produktion inspizieren, ohne den Prozess zu verlangsamen, und für das menschliche Auge unsichtbare Fehler erkennen.

Lidar-Kameras für autonome Fahrzeuge

Lidar-Kameras nutzen Lasersonar zur Bestimmung der Entfernung von Objekten, was für autonome Fahrzeuge von entscheidender Bedeutung ist. Dies vermeidet Kollisionen und macht das Fahrzeug auf seine unmittelbare Umgebung aufmerksam. Ohne diese Technologie wären autonome Fahrzeuge nicht möglich.

FLIR-Kameras (Infrarot) zur Brunsterkennung

Vorausschauende Infrarotkameras (FLIR) bieten eine präzise Thermografie zur Erkennung von Überhitzungen an einer elektronischen Karte, einem Rohr oder einer Maschine. In diesem Fall sind keine komplizierten Algorithmen erforderlich, um eine Warnung zu erhalten. Die FLIR-Kamera funktioniert genau wie ein Sensor. Als Reaktion auf COVID-19 werden jetzt FLIR-Kameras eingesetzt. Sie können Überwachen Sie die Temperatur von Personen aus angemessener Entfernung, auf unaufdringliche Weise. Auch beim Militär werden sie seit Jahren eingesetzt.

Ersetzen mehrerer Sensoren durch eine einzige Kamera

Kühlschränke in einem Supermarkt können durch das Hinzufügen mehrerer Sensoren (Gewicht, Temperatur) automatisch inventarisiert werden. AT&T-Innovation Foundry hat ein kameramontiertes System entwickelt, das alle diese Sensoren ersetzt. Die Kamera erkennt, wenn der Lagerbestand in einem bestimmten Regal zur Neige geht, und überwacht die Temperatur in Echtzeit.

Einschränkungen von Kameras gegenüber Sensoren

Okklusion

In vielen Fällen reicht es nicht aus, nur eine Kamera zu installieren. Um Okklusionsprobleme (ein Objekt, das hinter einem anderen verborgen ist) anzugehen, sind mehrere Kameras aus verschiedenen Winkeln erforderlich. Ein Startup von Sony hat eine KI-gestützte Lösung mit mehreren Kameras zur Überwachung der Tiergesundheit, insbesondere der Brunsterkennung in einer Kuhfarm, erfunden. Die verbundenen Kameras erkennen, wann eine Kuh auf eine andere aufsteigt, selbst wenn einer von mehreren Winkeln verdeckt ist. Dies ist jedoch nur möglich, wenn mehrere Kameras im Einsatz sind.

Strom- und Netzwerkverfügbarkeit

Eine Kamera, die kontinuierlich filmt, kann nicht nur mit einer Batterie betrieben werden, daher ist eine direkte Stromversorgung erforderlich. Wenn die Kamera nachts laufen muss, reichen Solarpaneele in den meisten Fällen nicht aus. Darüber hinaus ist 4G erforderlich, damit ein HD-Feed in die Cloud hochgeladen werden kann.

Diese beiden Spezifikationen erschweren die Installation einer eigenständigen Kamera in einigen abgelegenen Gebieten, wenn ein Sensor mit geringem Verbrauch jahrelang laufen kann.

Analyseressourcen

Mehrere Video-Feeds aufzunehmen und dem Computer beizubringen, sie zu verstehen, ist tatsächlich eine weitaus komplexere Aufgabe als die reguläre IoT-Sensordatenanalyse. Wenn selbst etwas so Einfaches wie die Wärmeerkennung mit einer FLIR-Kamera weitgehend für Einzelpersonen oder KMU zugänglich ist, kann der Weg über KI äußerst kostspielig und die Ergebnisse ungewiss sein.

Ingenieure für maschinelles und tiefes Lernen, die die Analysearbeit übernehmen können, sind sehr gefragt, daher können die Kosten für die Rekrutierung eines Ingenieurs die größte Hürde für Start-ups oder kleine Unternehmen darstellen.

Sollten Sie sich für Kameras anstelle von Sensoren entscheiden?

Da jeder Anwendungsfall anders ist, erläutern wir Ihnen die drei Beispiele, bei denen es sich auf jeden Fall lohnt, über die Investition nachzudenken.

• Sie benötigen eine sensorähnliche Kamera, beispielsweise zur Überhitzungserkennung in einer Fabrikmaschine. Ihre Kamera kann mehrere Dutzend Sensoren ersetzen. Der Video-Feed wird lokal gespeichert und die Kameras sind einfach zu installieren (Netzwerk, Stromversorgung). Schnappen Sie sich Kameras.
• Sie benötigen visuelle Intelligenz mehr als eine Kamera, um beispielsweise zu überprüfen, ob Ihre Arbeiter eine Baustelle mit Schutzhelmen betreten. Der Anwendungsfall ist häufig und Sie werden leicht ML-Algorithmen finden, die für diese Aufgabe vorab trainiert sind. Eine Kamera mit vorgefertigter Bilderkennungssoftware ist sinnvoller als die Installation eines Sensors an jedem Schutzhelm. Die Investition kann bei allen zukünftigen Bauprojekten wiederverwendet werden. Sobald ein Anwendungsfall jedoch zu spezifisch wird, sinkt seine Wiederverwendbarkeit, da die Entwicklungskosten schnell den potenziellen Nutzen übersteigen können.
• Sie benötigen eine ganz spezifische, maßgeschneiderte Visual-Intelligence-Lösung. Stellen Sie sich ein multinationales Unternehmen vor, das Sicherheitsglastüren herstellt. Sie wollen Fehler im Glas am Fließband erkennen. Sie benötigen ein engagiertes Team, das diese Mission mehrere Monate lang bewältigen kann. Sie haben dieses Projekt zuvor vorbereitet, indem sie mehrere tausend Bilder gesammelt und markiert haben, um die KI zu trainieren. Darüber hinaus wird der ROI durch die Implementierung der Lösung an mehreren Produktionsstandorten beschleunigt.

Was andere IoT-Anwendungsfälle betrifft, ist es immer noch wahrscheinlich, dass die Umstellung auf Computer Vision zu kostspielig oder riskant sein wird. Obwohl Kameras IoT-Lösungen verbessern können, passen sie nicht immer in das IoT-Ökosystem und Video-Feeds können nicht ordnungsgemäß durch LPWAN-Netzwerke übertragen werden.

Quelle: https://www.iotforall.com/ai-cameras-can-they-replace-iot-sensors