CNH Industrial suchte die UnterstĂŒtzung von ML6 bei der effizienten Ăbertragung eines Algorithmus von Schulungsumgebungen auf eingebettete Hardwaresysteme in MĂ€hdreschern, was es ihnen ermöglichte, sich schnell das erforderliche Wissen anzueignen und den Algorithmus erfolgreich auf einer Multispektralkamera einzusetzen, was letztendlich die Produktion beschleunigte und Fachwissen fĂŒr zukĂŒnftige EinsĂ€tze von eingebetteten Systemen einbrachte.
CNH Industrial ist ein weltweit fĂŒhrender Hersteller von InvestitionsgĂŒtern, der auf den internationalen MĂ€rkten Design, Herstellung, Vertrieb, Handel und Finanzdienstleistungen anbietet. Mit seinen 12 Marken stellt CNH Industrial die Fahrzeuge her, die Landwirtschaft und Industrie wachsen lassen.Â
â
Neben anderen Projekten arbeitet CNH Industrial an MĂ€hdreschern, die autonom arbeiten, wie eine "Fabrik auf RĂ€dern". Zu diesem Zweck entwickelt das Unternehmen eine breite Palette automatischer Funktionen fĂŒr MĂ€hdrescher. Die Elektronikgruppe, die fĂŒr die ĂberfĂŒhrung von Proof of Concepts in die Produktion verantwortlich ist, arbeitete mit ML6 zusammen, um die Integration ihrer KI-Algorithmen in bestehende eingebettete Hardware zu beschleunigen.
â
Da Innovation ganz oben auf der Agenda steht, hat CNH Industrial intern starke KI-FĂ€higkeiten entwickelt. Da die AnwendungsfĂ€lle kundenspezifisch und komplex sind, ist das Unternehmen bestrebt, internes Wissen darĂŒber aufzubauen, wie man Algorithmen entwickelt, einsetzt, ĂŒberwacht und verbessert. Insbesondere wollte CNH Industrial internes Wissen darĂŒber aufbauen, wie Algorithmen von Trainingsumgebungen auf eingebettete Hardwaresysteme in MĂ€hdreschern ĂŒbertragen werden können.Â
â
Um dieses Wissen so schnell und effizient wie möglich aufzubauen, wandte sich CNH Industrial an ML6, um einen Algorithmus auf eine Multispektralkamera zu ĂŒbertragen. ML6 half dabei, den Algorithmus herunterzuskalieren und zu optimieren und ihn in Zusammenarbeit mit dem Kamerahersteller einzubetten.
Unter
Durch die Zusammenarbeit konnte CNH viel schneller in Produktion gehen. Das Unternehmen verfĂŒgt nun auch ĂŒber das notwendige Fachwissen, um Algorithmen auf einem eingebetteten System fĂŒr kĂŒnftige AnwendungsfĂ€lle einzusetzen.Â
â