Lösungen K Technologien K KI / Deep Learning

KI / Deep Learning

Deep Learning arbeitet nach dem Prinzip des „Lernens“. Nachdem die Software trainiert wurde, kann sie neue Bilder präzise den entsprechenden Kategorien zuordnen. Deep Learning wird in Situationen eingesetzt, in denen herkömmliche Bildverarbeitung nicht ausreicht. Wenn Objekte komplex sind und sich regelbasiert nicht beschreiben lassen.

Klassifikation

Bei der Klassifikation wird das gesamte Bild einer Klasse zugewiesen. Dem Netzwerk müssen hierbei die Klassen nur durch entsprechende Beispielbilder bekannt gemacht werden. Bei diesem Verfahren wird einem Bild ein zugehöriger Konfidenzwert der Klasse zugeordnet, welcher besagt, mit welcher Übereinstimmungsquote das präsentierte Bild dieser angehört.

Objektdetektion

Mithilfe der Objektdetektion können in einem Bild verschiedene trainierte Klassen erkannt und im Raum lokalisiert werden. Ein gefundenes Objekt wird einer Klasse zugeordnet und durch ein umschließendes Rechteck markiert. Das Erkennen und Unterscheiden von verschiedenen Objekten kommt auch beim Lesen von Schriften und der optischen Zeichenerkennung (OCR) zum Einsatz.

Segmentierung

Die Segmentierung kann als eine Art Verfeinerung der Objektdetektion angesehen werden. Wie eine genauere Version der Objekterkennung. Bei diesem Verfahren wird jedem einzelnen Pixel des Bildes eine Klasse zugeordnet, auch dem Hintergrund. Dadurch kann man ein gefundenes Objekt genau segmentieren.

Anomalie-Erkennung

Anomalie-Erkennung findet Abweichungen von einer guten Version. Man trainiert das System mit fehlerfreien Objekten. Das System erkennt dann Fehler (z.B. Risse, Löcher, Kratzer) im Bild als Abweichung. Vorteil: Das System lernt, Fehler zu finden, ohne sie vorher zu kennen.

aku.deepLearningCloud

Bei der klassischen Bildverarbeitung und deren typischen Aufgaben finden sich oft Grenzwerte und Parameter, die zur Qualitätsbestimmung verwendet werden. Diese Werte werden mit Ober- und Untergrenzen belegt und liefern somit, in Verbindung mit einer Kalibrierung und Validierung über die Laufzeit der Systeme, verlässliche Werte.

Im Bereich Deep Learning finden sich jedoch Aufgaben, die sehr oft eine dynamische Anpassung der Parameter erfordern. Bedingt durch den Produktionsprozess verändern Produkte ihr Erscheinungsbild, welches die Bildverarbeitung beeinflusst, aber keinerlei Auswirkung auf die eigentliche Produktqualität hat. Gerade im Bereich der visuellen Prüfung, die bis dato durch das menschliche Auge erfolgte, muss das System in die Lage versetzt werden, genauso wie das menschliche Gehirn dazu zu lernen. Hierzu muss das neuronale Netzwerk mit Bildinformationen versorgt und neu trainiert werden. Über die aku.deepLearningCloud stellt der Kunde die entsprechenden Bilddaten zu Verfügung, die wir im Rahmen einer Dienstleistung dem System zusätzlich antrainieren und testen. Das daraus resultieren Update kann durch den Kunden selbstständig oder via Remote in das System eingespielt werden. Das System befindet sich somit in einem kontinuierlichen Optimierungs- und Lernprozess und erfüllt die höchsten Ansprüche im Hinblick auf Qualität und Produktivität.

Datenschutz steht in der heutigen Zeit beim Austausch von digitalen Informationen an erster Stelle. Die sensiblen Bilddaten aus Ihrer Fertigung und von Ihren Produkten müssen über einen sicheren Kommunikationsweg zu uns gelangen. Welchen Weg Sie hierzu wählen, obliegt Ihnen – Sie können sicher sein, wir bringen Ihre Applikation ans Ziel.

Fallstudien

Was Sie auch interessieren könnte:

Sind Sie nicht sicher, ob Ihr Problem mit industrieller Bildverarbeitung gelöst werden kann?

Entdecken Sie das volle Potenzial Ihrer Anlage mit unserer kostenlosen Machbarkeitsanalyse