Human-Like Machine Vision

Human-Like Machine Vision

Deep Learning für ungelöste Aufgabenstellungen

Deep Learning ist zwar in aller Munde, Erfahrung und Expertise fehlen jedoch noch weitestgehend. I-mation integriert Deep Learning seit mehr als 4 Jahren und hat bereits knapp 50 Systeme erfolgreich im Feld.

Bild 1 | Industrielle Anwendungsmöglichkeiten von Deep Learning sind u.a. die Inspektion von Kleberaupen, Dichtungen (ol.), Filtersieben (or.) oder Oberflächen (ul.) oder OCR (ur.). (Bild: I-mation, Cognex)

 

Deep Learning wurde mit dem Ziel entwickelt, die Stärken des Menschen in Vision Technologien abzubilden. Mittlerweile stehen höchst leistungsfähige selbstlernende Technologien zur Verfügung, die speziell auf die industrielle Analyse von Bildern entwickelt und optimiert wurden und mit wenigen Parametern konfigurierbar sind. Das erste am Markt verfügbare ist Cognex VisionPro ViDi. Weitere Deep Learning Systeme sind u.a. Adaptive Studio, Halcon DL, Suakit oder Solomon AI Vision. Vor allem vier Aufgabenstellungen werden mit Deep Learning Systemen abgedeckt:

  • Entdeckung von qualitativen Anomalien (Qualitätsinspektion)
  • Lokalisierung und Identifizierung von Merkmalen oder Objekten
  • OCR auf schwierigen oder texturierten Hintergründen
  • Klassifizierung von Objekten und Szenen

Grundlegende Kennzeichen von Deep Learning

Klassische Visionsysteme werden mit Bildern von Fehlern, Objekten, Zeichen oder Szenen angelernt, d.h. das System wird genau diese Fehler, Objekte, Zeichen oder Szenen finden oder klassifizieren können. Allerdings werden Abweichungen hiervon nicht erkannt. Im Falle von Deep Learning werden die Algorithmen mit repräsentativen Bildern von GUT-Teilen (Inspektion) oder von Objekten, Zeichen oder Szenen (Klassifizierung, Lokalisierung, OCR) angelernt und ein Erwartungsbild trainiert. Das System lernt – ähnlich dem Menschen – wie ein GUT-Teil, Objekt, Zeichen oder Szene aussehen kann, mit allen zulässigen Variationen. Alles, was dem Erwartungsbild entspricht, wird anschließend vom System als erwartungsgemäß bewertet oder klassifiziert, Abweichungen werden dagegen als Auffälligkeit erkannt.

Anwendungsmöglichkeiten

Die Beurteilung von Oberflächen mit Texturen gehört zu den Aufgabenstellungen, bei denen klassische Visionsysteme an ihre Grenzen stoßen. Deep Learning Systeme erschließen hier weitere prozesssichere Anwendungsmöglichkeiten, mit sehr hohen Erkennungsleistungen. Auch neue Produkte oder Produktvarianten sind ohne großen Aufwand lernbar und selbst neue, unbekannte Merkmale werden erkannt, ohne dass aufwändige Fehlerbibliotheken notwendig sind. Dies resultiert in einer deutlich reduzierten Produkteinführungszeit und Machbarkeitsstudien lassen sich in Stunden statt in Tagen durchführen. Neben der Erfahrung im Bereich der industriellen Bildverarbeitung und der Auslegung von Kamerasystemen, ist für die Modellierung der neuen Systeme keine Softwareentwicklung oder Verständnis der Algorithmen notwendig. Als bildgebendes Verfahren können alle Arten von Sensoren (2D, 3D, Ultraschall, Röntgen, Shape from Shading…) eingesetzt werden. Auch die Kombination mit Werkzeugen der herkömmlichen Bildverarbeitung ist ohne weiteres möglich.

Seiten: 1 2Auf einer Seite lesen

Ausgabe:
i-mation GmbH
www.i-mation.de

Das könnte Sie auch Interessieren

Anzeige

Vorfreude auf Control 2022

Vorfreude auf Control 2022

Vom 03. bis 06. Mai 2022 wird die 34. Control – Internationale Fachmesse für Qualitätssicherung – in Stuttgart stattfinden.

EMVA Webinar mit Continental Teves

EMVA Webinar mit Continental Teves

Das nächste EMVA Spotlight Webinar findet am Donnerstag, den 9. Dezember, ab 16:00 Uhr (CET) statt. Nuria Garrido López (Continental Teves AG) wird über ‚Änderungen und Lösungen für die optische End-of-Line-Inspektion in der Automobilindustrie‘ sprechen.

EMVA Young Professional Award 2022

EMVA Young Professional Award 2022

Der EMVA Young Professional Award wird auf der 20. EMVA Business Conference 2022 vergeben, die vom 12. bis 14. Mai in Brüssel, Belgien, stattfindet.

Video: EMVA Vision Pitches – Robot Vision

Video: EMVA Vision Pitches – Robot Vision

Teil der inVISION Days 2021 Konferenz waren die EMVA Vision Pitches, bei der sich interessante Unternehmen aus der Bildverarbeitung mit einem kurzen zehn-Minuten-Pitch vorgestellt haben.

Neues Beiratsmitglied für TriEye

Neues Beiratsmitglied für TriEye

Das israelische Startup-Unternehmen TriEye hat Hans Rijns (Bild), eine Führungskraft aus der Halbleiterbranche mit über 25 Jahren internationaler Erfahrung in den Bereichen F&E-Management, Innovation und Geschäftsstrategie, in seinen Beirat aufgenommen.

Vision-Branche auf starkem Kurs

Vision-Branche auf starkem Kurs

Mehr als 1,5 Jahre nach dem Ausbruch der Corona-Pandemie befindet sich der Industrial Technology Index nach einer Stabilisierung auf einem anhaltend hohen Niveau.

Lattice übernimmt Miramterix

Lattice übernimmt Miramterix

Lattice Semiconductor hat Mirametrix, Inc. übernommen, ein Softwareunternehmen, das sich auf fortschrittliche KI-Lösungen für Computer-Vision-Anwendungen spezialisiert hat.

Bild: Alteia
Bild: Alteia
15 Millionen Euro Finanzierung für Alteia

15 Millionen Euro Finanzierung für Alteia

Die Europäische Investitionsbank (EIB) und das in Toulouse ansässige Startup Alteia, das sich auf die Entwicklung von Software für künstliche Intelligenz spezialisiert hat, haben die Unterzeichnung einer Finanzierungsvereinbarung über 15Mio.€ bekannt gegeben.

Micro-Epsilon erweitert Vertriebsteam

Micro-Epsilon erweitert Vertriebsteam

Micro-Epsilon hat sein Vertriebsteam verstärkt. Seit Oktober unterstützen Marcus Gluth (Bild) in den Bereichen Weg- und Abstandssensoren, berührungslose IR-Temperatursensoren sowie Farbsensoren und Jens Höppner im Bereich 3D-Sensoren und Laser-Scanner den Außendienst des Unternehmens.

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige