Kant-KI og LoRa for industriell IoT

Sveitsiske CSEM og Miromico har utviklet en trådløs sensornode som bruker lokal KI-behandling for å redusere datatrafikk og energiforbruk i industrielle IoT-installasjoner. Løsningen kombinerer CSEMs ultralavenergi KI-brikke Fibonacci med Miromicos modulære radioplattform for LoRa- og mioty-nettverk.

Kjernen i løsningen er at data analyseres direkte i sensornoden før overføring. I stedet for å sende kontinuerlige strømmer av rådata til skyen eller en gateway, aktiveres radiokommunikasjonen bare når systemet oppdager relevante hendelser eller avvik. Dette reduserer både båndbreddebehov og energiforbruk, noe som kan forlenge batterilevetiden i fjernplasserte sensornettverk.

Fibonacci-brikken er utviklet for maskinlæringsoppgaver med svært lavt effektforbruk. Den integrerer maskinvareakseleratorer som kan kjøre nevrale nettverk direkte på innkommende datastrømmer fra blant annet mikrofoner, akselerometre og små kameraer. Brikken kan dermed utføre lokal analyse av lyd-, vibrasjons- og bildedata uten behov for ekstern prosessering.

Ifølge CSEM støttes et bredt spekter av nevrale nettverk gjennom en maskinvareoptimalisert kompilator som tilpasser modellene til brikkens arkitektur. Dette åpner for anvendelser som prediktivt vedlikehold, tilstandsovervåking, akustisk overvåking og visjonsbasert inspeksjon i industrielle miljøer.

Kommunikasjonen håndteres av Miromicos modulære radioløsning. Samme maskinvare kan konfigureres for enten LoRa eller mioty, to LPWAN-teknologier som er utviklet for lang rekkevidde og lavt energiforbruk. Dette gir fleksibilitet ved utrulling av sensornettverk uten at selve nodedesignet må endres.

Løsningen er særlig rettet mot installasjoner der strømtilførsel og kommunikasjonskapasitet er begrenset. Ved å kombinere lokal inferens med adaptiv effektstyring kan radiomodulen være inaktiv store deler av tiden, mens KI-brikken kontinuerlig overvåker innkommende sensordata.

Utviklingen illustrerer en voksende trend innen industriell IoT der mer intelligens flyttes ut til kanten av nettet. Ved å utføre analysen lokalt reduseres ikke bare trafikken i kommunikasjonsnettet, men også behovet for å overføre potensielt sensitive rådata, noe som kan gi bedre energieffektivitet og styrket datasikkerhet.