Presseinformationen

Das Geschäftsfeld Health des Fraunhofer-Instituts für Mikroelektronische Schaltungen und Systeme IMS präsentiert vom 21. bis 23. Juni seine kontaktlose Vitalparametermessung als Demonstrator auf der »embedded world 2022« in Nürnberg. Die kontaktlose Messung von Vitalparametern bietet eine Möglichkeit, Gesundheitsparameter schnell, genau, hygienisch und komfortabel zu quantifizieren.

Die Kernkompetenz Embedded Software and AI des Fraunhofer-Instituts für Mikroelektronische Schaltungen und Systeme IMS präsentiert vom 21. bis 23. Juni eine anpassbare KI-basierte Gestenerkennung. Der Algorithmus wurde mit Hilfe des Fraunhofer Software-Frameworks AIfES entwickelt, das eine hocheffiziente Implementierung von neuronalen Netzen auf eingebetteten Systemen unterstützt. Neben den Anwendungen im Bereich der Geräte- und Maschinenbedienung eignet sich dieses Verfahren der Gestenerkennung auch für Gaming-Anwendungen, im Smart Home- sowie im medizinischen Bereich.

Das Geschäftsfeld Mobility des Fraunhofer-Instituts für Mikroelektronische Schaltungen und Systeme IMS präsentiert vom 21. bis 23. Juni seine neueste Entwicklung TimestampsAI zur Umfelderkennung auf der »embedded world 2022« in Nürnberg. TimestampsAI bietet eine schnellere und datenreduzierte Lösung für hochauflösende LiDAR-Systeme zur Erfassung komplexer Szenen in 3D in jeder Umgebung.

Die Kernkompetenz Smart Sensor Systems und das Geschäftsfeld Industry des Fraunhofer-Instituts für Mikroelektronische Schaltungen IMS präsentieren vom 21. bis 23. Juni den AIRISC-Prozessor, der Sensordaten 80 Prozent schneller auswertet.

Drei Geschäftsfelder und zwei Kernkompetenzen des Fraunhofer-Instituts für Mikroelektronische Schaltungen und Systeme IMS präsentieren ihre Anwendungen auf der »embedded world 2022«. Kontaktlose Vitalparametermessungen, Gestenerkennung mit dem Software-Framework AIfES, den RISC-V-Prozessor AIRISC und TimestampsAI zur Umfelderkennung: Zwei Demonstratoren, ein Exponat und die neueste LiDAR-Entwicklung des Instituts können Sie vom 21. bis 23. Juni am Fraunhofer-Gemeinschaftsstand in Halle 4-422 kennenlernen.

Der RISC-V Prozessor, eine 32-Bit RISC (Reduced Instruction Set Computer) Architektur, AIRISC verfügt ab sofort über Befehlssatzerweiterungen und Coprozessoren zur effizienten Berechnung von neuronalen Netzen. Für eine medizinische Anwendung zur Erkennung von Vorhofflimmern in EKG-Daten haben wir in der Auswertung einen Geschwindigkeitsvorteil von über 80 % bei nur 10 % höherem Flächen- und Energiebedarf erreicht.

Mit dem AIRISC core stellt das Fraunhofer IMS seinen leistungsfähigen RISC-V Embedded-Prozessorkern für Sensorik-Aufgaben unter eine Open Source Lizenz, welche auch die Verwendung für kommerzielle Produkte erlaubt. Mit dem leistungsfähigen 32-Bit AIRISC-Kern lassen sich Produkte mit FPGAs schnell und kostengünstig entwickeln, die Umsetzung in einen (Mixed-Signal-)ASIC ist anschließend aufgrund der identischen Codebasis in Rekordzeit möglich und erfordert für den Basiskern keine kommerzielle Lizenz.

Seit Anfang des Jahres ist ein AIfES® Update (Version 2.1.1) verfügbar. Es kann direkt über die Arduino IDE mit dem Arduino Library Manager herunterladen werden oder alternativ bei GitHub. Hier ist ein Überblick über die neuen Funktionen: • Die neue AIfES-Express API • Q7-Gewichtsquantisierung • Arm® CMSIS Integration erweitert durch die NN Funktionen

Der AIRISC ermöglicht effizientes maschinelles Lernen und KI in Sensoren, IoT-Geräten und anderen eingebetteten Anwendungen. Das freie RISC-V Prozessor Instruction Set ist ideal geeignet, um kundenspezifische Erweiterungen in kurzer Zeit zu implementieren und so eine optimale Performance für spezielle Anwendungen bereitzustellen. Im Zusammenspiel mit der vom Fraunhofer IMS entwickelten AIfES-Softwarebibliothek, unterstützt die AIRISC-Prozessorfamilie die Inferenz und das Training von neuronalen Netzen direkt auf dem eingebetteten Gerät.

Das BMBF geförderte „ARTEMIS“-Konsortium wird unter der Leitung der Getemed AG einen kleinen, tragbaren Detektor entwickeln. Kerninnovation ist eine mit künstlicher Intelligenz erweiterte Halbleiterschaltung in der EKG-Elektronik welche Vorhofflimmern zuverlässig mittels maschinellen Lernens identifiziert.