24 september 2021
Artificial Intelligence en Machine Learning gaan steeds vaker onderdeel worden van het gewone leven. Kennis van data, herkennen van patronen en actie ondernemen op basis van patroonherkenning of patroonafwijking maakt slimme toepassingen mogelijk. In mijn trainingsactiviteiten zie ik een toenemende vraag naar praktische toepassingen van Machine Learning. Deze trainingsmodule vormt hiermee een welkome aanvulling op mijn trainingsportfolio.
Eerder dit jaar introduceerde Arduino een TinyML trainingskit, waarin naast de Arduino Nano BLE Sense ook een video camera en een I2C / Analoog / Digitaal break-out board geïntegreerd is. Met behulp van de aanwezige sensoren : licht, kleur, geluid, temperatuur, luchtdruk, gyroscoop en accelleratie meter, kunnen sensorwaarden uitgelezen worden en patronen herkend worden.
Verzamelde sensor data wordt in een trainingsmodel verwerkt en biedt configuratieparameters voor de TensorFlow Machine Learning engine. Hiermee kunnen bijvoorbeeld stemmen herkend worden, afwijkingen in schokken/trillingen van machines of gebouwen gedetecteerd worden, combinaties van temperatuur/luchtvochtigheid/luchtdruk tot een prettiger klimaat leiden en kunnen vogels gedetermineerd worden op basis van hun gefluit.
