Echtzeitlernende Objekterkennung

Echtzeitlernende Objekterkennung

Lernende KI zur automatischen Objektinspektion

Heutige Inspektionsssteme sind auf wenige, sehr akkurat justierte Objekttypen herstellerseitig justiert. Kommen neue Produkttypen hinzu, müssen die Systeme zeitaufwendig neu justiert werden. Die KI-Inspektionsplatform von Gestalt Robotics beseitigt diese Hürden.

(Bild: Gestalt Robotics GmbH)

Auf Basis eines neuronalen Netzes werden hochflexible Systeme zur Wareneingangsprüfung und Qualitätssicherung im laufenden Betrieb aufgebaut. Dadurch werden metrische Messungen mit einfachsten Kameras ermöglicht und jeder Benutzer kann über eine App neue Produkte in wenigen Sekunden anlernen. Durch die Kombination der Künstlichen Intelligenz (KI) und Maschineller Wahrnehmung kann flexibel eine breite Masse an Objekten inspiziert und vermessen werden. Das Gedächtnis der KI kann auf neue Produkttypen mit nur wenigen Fotos von jedem Mitarbeiter erweitert werden. So kann eine schier unbegrenzte Anzahl von Objektklassen erkannt und verwaltet werden. Das Verfahren basiert auf aktuellen Forschungsergebnissen zur Gesichtserkennung, wo Millionen verschiedene Gesichter gelernt und wiedererkannt werden müssen. Hat das KI-System ein Objekt erfolgreich im Bild detektiert, kann das Objekt metrisch vermessen werden. Dank dieser Besonderheit des neuen Ansatzes von Gestalt Robotics ist keine kostspielige 3D-Kamera erforderlich. Informationen über die Umgebung der Aufnahme und die KI-Analyse sind für eine präzise Vermessung eines Objektes ausreichend. Die KI-Inspekt-Plattform ist in der Lage, in unterschiedlichen Architekturen zu operieren, beispielsweise auf den neuen Embedded-Kamerasystemen von Adlink (Neon) und Flir (Firefly) sowie Server-Client-Architekturen, die sogar in Echtzeit über LTE/4G betrieben werden können. Die Wartung kann dank der Web-App-Oberfläche mit Laptops, Desktop-Rechnern oder Mobiltelefonen erfolgen. Jeder beliebiger Bildsensor ist nutzbar. Als Bildgeber können alle Quellen von RGB-Kameras bis X-Ray-Sensoren genutzt werden.

Echtzeitlernende Objekterkennung: ein unbekanntes Objekt liegt vor (l.), der Nutzer macht drei bis fünf Fotos vom neuen Objekt mit einem Tablet oder Smartphone (m.) und wenige Sekunden später ist das System in der Lage das neue Objekt zu erkennen. (Bild: Gestalt Robotics GmbH)

Echtzeitlernende Objekterkennung: ein unbekanntes Objekt liegt vor (l.), der Nutzer macht drei bis fünf Fotos vom neuen Objekt mit einem Tablet oder Smartphone (m.) und wenige Sekunden später ist das System in der Lage das neue Objekt zu erkennen. (Bild: Gestalt Robotics GmbH)

Einsatzgebiete

Wareneingangsprüfung: Üblicherweise wird die eingehende Ware manuell anhand der Rechnungsbeschreibungen und Artikelnummern in den Bestand aufgenommen. Diese Art der Prüfung ist zeitaufwendig und ermüdend. KI-Inspekt identifiziert das Objekt anhand des Fotos und ermöglicht so eine automatisierte Wareneingangskontrolle. Die Erkennung eingehender Objekte erlaubt es bei automatisierten Hochregalen, Waren und Bauteile voll automatisch einzusortieren und mithilfe von Fotos (´Finde mir dieses Objekt´) zu suchen.

Qualitätsprüfung: Die Vermessung der Objekte mit nur einer Kamera erlaubt es Objekte nicht nur auf optische Stimmigkeit zu prüfen, sondern auch auf geometrische Abweichungen vom Sollwert. Als modulares System ist es KI-Inspekt möglich die Kamerahardware an die Präzisionsanforderungen anzupassen, sowie weitere Informationsquellen, wie Gewicht und Text-Scan (OCR) zu integrieren.

Automatisierter Check-Out: Anstatt auf Barcodes angewiesen zu sein, können Produkte in jeder Lage z.B. auf einem Förderband erkannt werden und ermöglichen auch das Bepreisen von selbstzusammengestellten Menus in Kantinen.

Das könnte Sie auch Interessieren

Bild: Stemmer Imaging AG
Bild: Stemmer Imaging AG
Mehr Edge

Mehr Edge

Basierend auf seinem Embedded Vision Ecosystem hat Stemmer Imaging jetzt ein Embedded Linescan Subsystem vorgestellt. Dieses zeigt, dass hochauflösende Linescan-Kameras auch auf Embedded Systemen viele Vorteile bieten. Die Kombination bringt das Verarbeitungssystem direkt an die Bilderfassung und ermöglicht dadurch signifikante Einsparungen in der Hardware.

Bild: InfraTec GmbH
Bild: InfraTec GmbH
Zug-Synchronisation

Zug-Synchronisation

Die Kombination von Messergebnissen aus der digitalen Bildkorrelation Aramis von Gom Metrology und von Infrarotkameras von InfraTec ermöglicht die gleichzeitige Analyse des thermischen und mechanischen Verhaltens von Prüfkörpern im Bereich der Material- und Bauteilprüfung.

Bild: Evotron GmbH & Co. KG
Bild: Evotron GmbH & Co. KG
Bildqualität

Bildqualität

Der Begriff Bildqualität bezieht sich im Umfeld der Bildverarbeitung auf Eigenschaften aufgenommener digitaler Bilder, die für die Verarbeitung der Bilder von Bedeutung sind. Hierfür gibt es keine alleinige Kennzahl, -linie oder -linienfeld. Sie umfasst daher stets eine kontextbezogene und aufgabenspezi- fische Definition.

Image: Vision Ventures
Image: Vision Ventures
AR & Fingerprints

AR & Fingerprints

The article series describes the role that Vision Tech is currently playing in the digital lifecycle and will play in the future. Part one (inVISION 2/23) explained the topics CAD, Metrology & Vision; QIF (Quality Information Framework), and Synthetic Data. Part 2 describes the different aspects of process information from vision, AR/VR & Maintenance, Disposal, Traceability & Identification.

Bild: CCS. Inc.
Bild: CCS. Inc.
Kooperation CCS und iCore

Kooperation CCS und iCore

Der Beleuchtungshersteller CCS Inc. und der Komponentenhersteller iCore haben eine Vereinbarung über eine Geschäftsallianz unterzeichnet und werden damit beginnen, neue Lösungen zu entwickeln, die die Technologien beider Unternehmen nutzen.