MVTec Software GmbH Pressemeldung

Machine Vision: MVTec bringt Deep Learning auf NVIDIA Pascal-Architektur

  • Deep-Learning-Inferenz von HALCON 17.12 erfolgreich auf Embedded-Board NVIDIA Jetson TX2 getestet
  • Hohe Ablaufgeschwindigkeit, vergleichbar mit Standard-PCs
  • Umfassender Funktionsumfang auf Embedded Devices verfügbar

München, 14.12.2017 – 

Die MVTec Software GmbH (www.mvtec.de), führender Anbieter innovativer Machine-Vision-Technologien, macht umfassende Deep-Learning-Funktionen nun auch auf Embedded-Boards mit der NVIDIA Pascal-Architektur verfügbar. So wurde die Deep-Learning-Inferenz der neuen Version 17.12 der Standardsoftware für die industrielle Bildverarbeitung HALCON erfolgreich auf NVIDIA Jetson TX2 Boards, basierend auf 64-bit-Arm®-Prozessoren, getestet. Dabei erreichte die Deep-Learning-Inferenz, also die Verwendung des trainierten CNN (Convolutional Neural Network), annähernd die Geschwindigkeit einer herkömmlichen Laptop-GPU (ca. 5 Millisekunden). Das ist eine ungewöhnlich hohe Ablauf-Performance auf einem Embedded Device – verglichen mit einem Standard-PC. Anwender können somit alle Vorteile des Deep Learnings auch auf dem weit verbreiteten Embedded-Board NVIDIA Jetson TX2 nutzen. Möglich wird dies durch die Verfügbarkeit von zwei vorgefertigten Netzen, die MVTec mit HALCON 17.12 ausliefert. Eines davon, das sogenannte "Compact"-Netzwerk, ist geschwindigkeitsoptimiert und somit ideal für den Einsatz auf Embedded Boards geeignet. Interessierten Kunden stellt MVTec auf Anfrage eine Softwareversion für diese Architektur zur Verfügung.

Vorzüge einer Standard-Bibliothek nutzen

Neben Deep Learning steht auf den Embedded Devices die volle Funktionalität der Standard-Bildverarbeitungsbibliothek HALCON zur Verfügung. Applikationen können auf einem Standard-PC entwickelt und anschließend mit Hilfe der HDevEngine sowohl das trainierte Netzwerk als auch die Applikation auf das Embedded Device übertragen werden. Außerdem können Benutzer leistungsfähigere GPUs von Standard-PCs verwenden, um ihr CNN zu trainieren, und dann die Inferenz auf dem Embedded-System ausführen. So wird die Time-to-Market deutlich verkürzt.

„Wir haben hiermit einen erfolgreichen Technologienachweis geführt, mit dem wir das Embedded-Vision-Segment mit anspruchsvollen Deep-Learning-Funktionen bedienen können. Anwender profitieren davon in hohem Maße. Sie können die umfassenden neuen Features von HALCON 17.12 nun auch auf Standard-Devices mit NVIDIA Pascal-Architektur nutzen – und zwar mit einer für Embedded-Technologien ungewöhnlich hohen Geschwindigkeit“, erklärt Christoph Wagner, Produktmanager Embedded Vision bei MVTec.

Neue Marktanforderungen passgenau bedienen

Dr. Olaf Munkelt, Geschäftsführer der MVTec Software GmbH, ergänzt: „Der schnell wachsende Markt für Embedded-Systeme fordert entsprechende, hoch-performante Technologien. Gleichzeitig gewinnen KI-basierte Verfahren wie Deep Learning und CNNs immer mehr Bedeutung im Rahmen hochautomatisierter industrieller Prozesse. Diese beiden Marktbedürfnisse adressieren wir passgenau mit der Verbindung von HALCON 17.12 und der NVIDIA Pascal-Architektur.“

Über MVTec Software GmbH

Die MVTec Software GmbH ist ein führender Hersteller von Standardsoftware für die industrielle Bildverarbeitung. MVTec-Produkte werden weltweit in unterschiedlichsten Anwendungsgebieten eingesetzt: in der Halbleiterindustrie, der Oberflächeninspektion von Geweben und anderen Materialien, der Qualitätskontrolle und generellen Inspektionsverfahren, der Medizintechnik, der Sicherheitstechnik, 3D-Vision und vielen anderen Arbeitsfeldern. MVTec, mit Hauptsitz in München, hat mehr als 30 etablierte Vertriebe weltweit und zusätzlich einen Sitz in Boston, Massachusetts (USA). www.mvtec.de

Pressekontakt MVTec Software GmbH

MVTec Software GmbH
Arnulfstraße 205
80634 München
Deutschland

Tel: +49 (89) 457 695 0
Fax:+49 (89) 457 695 55
E-Mail: info@mvtec.com

Kontakt PR-Agentur

Schwartz Public Relations
Sendlinger Straße 42A
D-80331 München

Jörg Stelzer
Tel.: +49 89 211871-34
E-Mail: js 'at' schwartzpr 'punkt' de