IMMS - Suche

Veranstaltung

1721. FGSN 2022

Knospendendrometer (Metallklammer mit Kabeln) in einem Obstbaum.

Fachgespräch Sensornetze 2022 der GI/VDE-ITG-Fachgruppe Kommunikation und Verteilte Systeme (KuVS)

Referenz

1722. An IoT-based Sensor System to Capture Flower Bud Growth in Spring

Silvia Krug, Tino Hutschenreuther, Berlin, Germany 2022 19. GI/ITG KuVS Fachgespräch Sensornetze (FGSN 2022)

Veranstaltung

1723. elmug4future

Demonstrator zum KI-basierten Lüfter-Monitoring: Motorlager oder Lüfterschaufeln lassen sich mit der kompakten nachrüstbaren Machine-Learning-Lösung direkt überwachen. Defekte Teile werden über eine rote LED direkt angezeigt. Foto: IMMS.

Technologiekonferenz „Energieversorgung – Komplexer Wachstumsmarkt im Wandel“

Referenz

1724. KI für energieeffiziente Sensorsysteme – Effiziente Überwachung von Maschinen und Anlagen

Sebastian Uziel, Friedrichroda, Thüringen 2022 elmug4future, Technologiekonferenz

Veranstaltung

1725. FED-Konferenz

Arbeiten an KI-basierten Methoden für den Entwurf integrierter Schaltungen. Foto: IMMS.

30. Konferenz des Fachverbandes für Design, Leiterplatten- und Elektronikfertigung (FED)

Referenz

1726. Machine-Learning im PCB-Entwurf: Open-Source zwischen Forschung, Potential und Alltag

Georg Gläser, Potsdam, Germany 2022 30. Konferenz des Fachverbandes für Design, Leiterplatten- und Elektronikfertigung (FED)

Veranstaltung

1727. inova2022

IMMS zur Karrieremesse inova2021 auf dem Gemeinschaftsstand der ELMUG e.G. Foto: ELMUG.

Karriereforum an der TU Ilmenau

Pressemitteilungen

1728. Jahresbericht 2021 online

Titelfoto Jahresbericht 2021: Für solch ein mobiles Multisensorik-Prüfgerät zur vorbeugenden Instandhaltung in der Industrie entwickelt das IMMS die echtzeitfähige Plattform und KI-Algorithmen. Mehr Infos auf Seite 74. Foto: IMMS.

Hier gibt es die Themenvorschau und den gesamten Bericht mit Verweisen auf Hintergrundinfos und Videos.

Referenz

1729. Heinz-Wolfgang Lahmann, GFE – Gesellschaft für Fertigungstechnik und Entwicklung Schmalkalden e.V

„Bei der Zusammenarbeit mit dem IMMS schätzen wir besonders das Fachwissen im Bereich der Sensordatenerfassung und -verarbeitung, die hohe Anwendungsorientierung der Lösungen und die konstruktiven Kontakte mit den Mitarbeitenden – nicht zuletzt auch bei den gemeinsamen Arbeiten vor Ort an Maschinen und Ausrüstungen.“

Mediathek

1730. 2021 Jahresbericht | Fachartikel ML4EdgeAI (en/de)

2021 Jahresbericht | Fachartikel ML4EdgeAI (en/de): Maschinelles Lernen auf ressourcenbeschränkten Mikrocontrollern für Edge-KI- und IoT-Anwendungen