Quality Inspection-Webanwendung mit KI-Vision: Bounding
Boxes (r.); Segmentierung (l.) – Bild: Siemens AG
Die Holz-Qualitätsklassen beziehen sich zum einen auf Merkmale wie Durchmesser, Länge, Krümmung und Abholzigkeit (die Abnahme des Durchmessers eines Stammes in Richtung Baumkrone) sowie visuelle Kriterien wie Verfärbung, Buchs, Harzgalle, Risse, etc. Während erstere Merkmale durch etablierte und geeichte Geräte bestimmt werden, unterliegt die zweite Bestimmung dem geschulten Auge des Sägewerkspersonals. Diese repetitive Arbeit erzeugt eine Vielzahl von Daten, und ist somit prädestiniert von KI-Modellen übernommen zu werden. Besonders da Holz ein Naturprodukt ist und damit eine hohe Varianz der genannten Merkmale aufweist.
Edge-Apps für KI-Vision
Siemens bietet ein breites Spektrum an Edge Apps an, auch für KI-Anwendungen im Vision Bereich. Im Bereich Computer Vision steht eine Bandbreite an möglichen Modellen zur Verfügung. Von einfacher Klassifikation, über Eingrenzung interessanter Stellen (Bounding Boxes) bis hin zu der Klassifikation jedes Pixels (Segmentierung) auf einem Bild kann der jeweils passende Ansatz gewählt werden. Da die Güte von Holz maßgeblich von den Flächen der Anomalien wie Buchs, Risse usw. abhängt, wurde der Ansatz der Segmentierung gewählt. Dank vortrainierten Modellen und öffentlich verfügbaren Daten aus ähnlichen Aufgabenstellungen, ist es möglich, schnell einen robusten Algorithmus zu implementieren, der im Laufe des Betriebes durch das Sammeln weiterer Daten nachtrainiert werden kann. Dafür wird der Algorithmus in ein sogenanntes ML Package gegossen, welches die gesamte KI-Pipeline (Preprocessing, Training, Prediction, Postprocessing und Evaluation) beinhaltet. Das Template ist ein Python Notebook, welches mit Hilfe einer eigens entwickelten AI-SDK gebaut wird. Die AI-SDK ist intuitiv zu handhaben und kann von externen Data Scientists benutzt werden, um bestehenden Python Code Edge ready zu machen. Bei Bedarf entwickeln die KI-Experten von Siemens den Algorithmus. In der Praxis werden die Modelle oft gemeinsam von Domain- und KI-Experten entwickelt.
