In naher Zukunft wird KI zu unserem Alltag gehören. So werden selbstoptimierende Maschinen, Spracherkennung sowie diagnostizierende Medizingeräte uns täglich unterstützen. Die zugrunde liegenden Algorithmen sind extrem leistungsfähig aber auch leistungshungrig. Was steckt wirklich hinter der KI? Wie kann diese «at the edge», also eingebettet im Endgerät laufen, ohne Daten in der Cloud zu rechnen? In diesem Talk erklären David Gschwend und Florentin Marty, wie Ingenieure von SCS für Ihre Kunden erfolgreich KI in eingebettete Systeme packen.

Dieser Vortrag wurde am 9. Juni 2020 im Rahmen der Embedded Computing Conference 2020 mit dem „Audience Choice Award“ ausgezeichnet.

Haben Sie Fragen, Anregungen, Ideen oder Projekte, die Sie gerne besprechen möchten? Dann nehmen Sie jetzt Kontakt mit uns auf!

Kontaktieren Sie David Gschwend

Künstliche Intelligenz (KI), maschinelles Lernen (ML) und tiefe Neuronale Netze (DNN) sind mächtige Werkzeuge die wir immer öfter erfolgreich in Kundenprojekten anwenden. Dank enormen Fortschritten in der Computertechnik, Algorithmen und grossen Datenmengen liefern diese Ansätze überzeugende Resultate – insb. im Bereich Bild- und Sprachverarbeitung.

In der Biotechnologie/Pharmazie werden oft Bild­erfassungssysteme eingesetzt. Für das neustes Produkt „zenCELL owl“ der Firma InnoME GmbH (www.innome.org), ein digitales Mehrkamera-Mikroskop, übernehmen künstliche Neuronen das Zählen von lebenden Zellen!

Digitales Mehrkamera-Mikroskop „zenCELL owl“

In enger Zusammenarbeit haben wir für InnoME eine automatisierte PC-basierte Bildverarbeitungssoftware entwickelt, die für jedes aufgenommene Kamerabild die vorhandenen Zellen detektiert, zählt und diese Informationen (fast) in Echtzeit nachfolgenden Verarbeitungsstufen zur Verfügung stellt.

Der entwickelte Zellzählalgorithmus beruht auf einem Neuronalen Netz vom Typ CNN (Convolutional Neural Net). Das Netz wurde mit umfangreichen Lerndaten trainiert: ca. 8‘000 Umrissmarkierte (gelabelte) Fibroblast-Zellen  (L929) in drei unterschiedlichen Zellstadien: lebend, gestorben und mutierend. Letztere wird aktuell noch weggelassen, da naturgemäss noch zu wenige Trainingsdaten vorliegen.

 

Links: Ground Truth – Manuel markierte L929 Zellen: rot=lebend, blau=gestorben, grün=mutiert

Rechts: Typisches Beispiel segmentierter und gezählten L929 Zellen – rot=lebend, blau=gestorben

Generell lassen sich in Zukunft andere Zelltypen – mit entsprechend erweiterten Trainingsdaten – leicht in das bestehende System integrieren. Die erreichte Zählgenauigkeit ist besser als 95%. Die Verarbeitungsgeschwindigkeit ist » 6 s pro Bild auf einem Standard PC.

Wir sind stolz darauf, dass InnoME GmbH unseren entwickelten Zellzählalgorithmus in ihrem neusten Produkt integriert hat und – nach ausgiebigen Tests – in der ganzen Welt zum Einsatz kommt.