Künstliche Intelligenz

Easylite

Profi
Thread Starter
Mitglied seit
06.04.2020
Beiträge
47
Hallo zusammen,

ich bin mir nicht ganz sicher ob ich in diesem Unterforum oder überhaupt in diesem Forum mit meiner Frage richtig bin. Falls dies nicht der Fall ist entschuldige ich mich hiermit im Vorfeld.
Mein Anliegen: Im Rahmen einer Masterarbeit wurde kurz eine Lösungsmöglichkeit angesprochen, diese aber schnell wieder verworfen.
Hierbei geht es sich um die Nutzung einer künstlichen Intelligenz. Diese sollte den Ton von ausströmendem Gas aufnehmen und bewerten. Anschließend sollte anhand des Tons festgestellt werden ob zu viel / zu wenig Durchfluss herrscht.
Der damalige Ablauf sollte wie folgt sein: Zuerst sollten Referenzbeispiele aufgenommen werden und mit Hilfe von DeepLearning der KI beigebracht werden. Sollte die KI vorbereitet sein soll dann ein Mikrofon an einen Splitter angeschlossen werden, der das Tonsignal aufsplittet und dann an einen Computer weitergibt, auf dem die KI läuft.

Ich hoffe das ist bis hierhin ansatzweise verständlich beschrieben.

Nun zu meinem Problem. Ich soll diese Lösung zumindest ein wenig in meiner Masterarbeit behandeln, kann aber wenig sinnvolle Aussagen dazu machen da ich folgendes überhaupt nicht einschätzen kann:
- Kosten / Aufwand für das Anlernen der KI
- Kosten der Programmierung einer solchen KI
- Kosten / Dimensionierung eines angemessenen Computers für die Echtzeitanalyse der KI

Vielleicht habe ich ja sehr viel Glück und jemand kennt sich hiermit aus. Beim Googlen bin ich leider auf nichts gestoßen was mir weiterhilft. Ich begrüße auch reine Quellenangaben die vielleicht nützlich sein könnten.

Vielen Vielen Dank im voraus
 
wie so den Anhand des Ton das Ausströmen feststellen, wenn es schon lange Druck Sensoren gibt
Bei der Ton Auswertung sehe ich auch Probleme mit Neben Geräuschen und es ist nur Lokal auf die Reichweite des Mikrophone eingeschränkt.
Hey, erstmal vielen Dank für deine Antwort.
Ich hatte versucht es möglichst simpel zu halten in der Erklärung, das hat leider nicht ganz funktioniert. Es handelt sich im Endeffekt um eine Maschine mit Autogenbrennschneiden. Die Gase werden aktuell über Proportionaldruckregler geregelt, jedoch nur einmal und nicht an jedem Brenner einzeln. Werden mehr Brenner gleichzeitig betrieben fällt also der Druck bzw der Massendurchfluss geht runter. Fängt eine Düse an zu Verschleißen wird der Druchmesser größer und die Flamme unsauberer.
Die Nebengeräusche sind einer von vielen Punkten warum die KI - Version auch nie sinnvoll ist. Leider ist das aber Teil der Masterarbeit und ich muss es zumindest beleuchten und sagen warum es nicht sinnvoll ist im Vergleich zu anderen Lösungen...
 
Ok, jetzt wird es etwas Verständlicher für mich.
Theoretisch kannst du da schon eine KI basteln, allerdings muss diese dann zuerst Lernen.
Wichtig wäre auch, dass die Mikrophone Kalibriert werden um Fertigungstoleranzen an den Sensoren zu Kompensieren.

Rein theoretisch kannst das sehr Umfangreich Aufbauen, die Praxis wird dann dein Endgegner sein. :)
 
Theoretisch kannst du da schon eine KI basteln, allerdings muss diese dann zuerst Lernen.
Wichtig wäre auch, dass die Mikrophone Kalibriert werden um Fertigungstoleranzen an den Sensoren zu Kompensieren.
Dass die KI erst lernen muss ist mir bewusst. Das der Aufbau und die Umsetzung ziemlich sicher nicht in Relation zu dem Nutzen stehen werden auch.
Mein Problem ist nur, dass ich eine Aussage darüber treffen muss und es bestenfalls auch irgendwie belegen sollte um sagen zu können es hat nicht gepasst, weil....
Also rein theoretisch müsste ich wissen welche Rechenleistung für das Lernen gebraucht wird. Hierfür mietet man meines Wissens nach Rechenleistung bei amazon aws an.
Dann brauche ich ein Endgerät auf dem die KI läuft sodass ich den Ton dort einspeisen kann und im ersten Schritt nur gesagt bekomme gut / schlecht. (etwa in die Richtung Nvidia Jetson? Aber welche Dimensionierung?)
Und dies alles müsste programmiert werden. Welcher Zeitaufwand bräuchte so etwas?

Das sind die Hauptfragen an denen ich anschließend festmachen kann: (Beispiel) DeepLearning: 500€, Hardware pro "Hörmodul" 870€, Programmieraufwand 30.000€. Zusätzlich ggfs. Regler o.ä.
 
Hardwareluxx setzt keine externen Werbe- und Tracking-Cookies ein. Auf unserer Webseite finden Sie nur noch Cookies nach berechtigtem Interesse (Art. 6 Abs. 1 Satz 1 lit. f DSGVO) oder eigene funktionelle Cookies. Durch die Nutzung unserer Webseite erklären Sie sich damit einverstanden, dass wir diese Cookies setzen. Mehr Informationen und Möglichkeiten zur Einstellung unserer Cookies finden Sie in unserer Datenschutzerklärung.


Zurück
Oben Unten refresh