Case Study Augmented Reality

Eine Klassifizierung bzw. Beurteilung komplexer Formen, speziell bei hochgradiger Spiegelung oder Ortsveränderung der Objekte ist mit herkömmlichen Bildverarbeitungssystemen nur mit einem erheblichen Aufwand realisierbar. Der Mensch ist in solchen Fällen einem starr angeordneten Visionsystem klar überlegen, da er leicht seinen Blickwinkel auf das Objekt anpassen kann. Die Fakultät MME der Hochschule Furtwangen hat gemeinsam mit i-mation ein System für diese Aufgabenstellungen entwickelt und im Rahmen der ‚Digital4Eyes‘ Challenge (Grants4Tech) vorgestellt. Mit einem mobilen Gerät (AR-Brille, Smartphone) wird ein Bild aufgenommen, per WLAN an einen Deep Learning Server übertragen und dort ausgewertet. Das Ergebnis wird anschließend zurück auf das mobile Gerät übertragen. Das Originalbild und das Prüfungsergebnisbild können parallel auf weitere mobile Gerät übertragen und angezeigt werden.

Fazit

Wichtige Grundvoraussetzungen, wie industrietaugliche, ‚ease of use‘ SW und bezahlbare und hohe Rechenleistung sind für den Einsatz von Deep Learning erfüllt. Die neue Technologie kann somit Machine Vision um weitere Möglichkeiten ergänzen. Zu Beginn einer Deep Learning Einführung ist es ausgehend von einer klar definierten Zielsetzung notwendig Chancen & Risiken zu betrachten sowie Kosten & Nutzen abzuschätzen. Neue Vorgehensweisen und Erfahrungen müssen zuerst erarbeitet, verifiziert und validiert werden. Es muss daher auch davon ausgegangen werden, dass bei einer Ersteinführung eine gewisse Lernkurve zu durchschreiten ist, welche durch erfahrene Integratoren effizient gestaltet werden kann.