Copyright: shutterstock_304955831

In unserem heutigen Artikel möchten wir die Vorteile von Bildverarbeitungssystemen mit künstlicher Intelligenz hervorheben. Wir beschreiben die wesentlichen Aufgaben der KI-Vision, die Vorteile ihrer Implementierung und die Herausforderungen bei der Umsetzung. Darüber hinaus zeigen wir KMUs, wie sie mit KI-Vision beginnen und wie sie diese implementieren können.

Motivation

Die Inspektion von Waren und die Qualitätskontrolle sind die wichtigsten Fertigungsaktivitäten, die Unternehmen nicht vernachlässigen sollten. Deshalb sind Investitionen in neue Technologien, zum Beispiel in Bildverarbeitungssysteme, so wichtig. Ein auf Computer Vision basierendes Inspektionssystem ermöglicht eine kostengünstige, hochpräzise Produktionsüberwachung rund um die Uhr. Darüber hinaus ist eine menschliche Inspektion unter vielen gefährlichen Fabrikbedingungen unmöglich, weshalb ein KI-basiertes System oft die einzige Lösung ist.

Aufgaben

Eine grundlegende Aufgabe ist die Klassifizierung, bei der das KI-Modell dem Bild oder dem Einzelbild eines Videos eine Klasse (Etikett) zuweist. Das Modell kann Objekte aus vielen Klassen klassifizieren. Jedes Bild erhält eine Liste von Klassen mit zugewiesenen Wahrscheinlichkeiten. Das Modell wählt die Klasse mit der höchsten Wahrscheinlichkeit als Antwort aus.

Herausforderungen

Zunächst einmal ist die Implementierung der visuellen KI-Systeme ein sich wiederholender Prozess. Die sich wiederholende Schleife besteht aus der Aufbereitung der Trainingsdaten, dem Trainingsprozess und der Auswertung. Mit jeder Wiederholung sollte die Modellgenauigkeit steigen und nach einiger Zeit das Maximum erreichen. Zweitens ist das Verständnis der Trainingsdatenverteilung und die sorgfältige Beschriftung ein wesentlicher Bestandteil der Optimierung. Aus diesem Grund ist die Vorbereitung der Trainingsdaten zeitaufwendig, spart aber viel Zeit in der späteren Implementierungsphase.

 Vortrainierte Modelle

Wir können die Vorbereitung etikettierter Datensätze vermeiden, indem wir vortrainierte Modelle verwenden. Bei den vortrainierten Modellen handelt es sich um Open-Source-Modelle, die von Wissenschaftlern oder Experten anhand frei verfügbarer Datensätze trainiert wurden. Der Prozess der Verwendung und Abstimmung von vortrainierten Modellen wird als Transfer Learning bezeichnet.

Bei der Verwendung von vortrainierten Modellen sollten wir zunächst den Trainingsdatensatz überprüfen, der zum Trainieren des Modells verwendet wurde. Die meisten der frei verfügbaren Modelle werden auf Objekten trainiert, die in der Produktion nur selten vorkommen. Daher sind nicht alle vortrainierten Modelle für den Einsatz in der Industrieumgebung geeignet. Eine der Lösungen kann die Feinabstimmung der Modellgewichte sein, um die Modellgenauigkeit zu verbessern. Andernfalls kann das Training von Grund auf neu durchgeführt werden.

Anregung

KI-Bildverarbeitungssysteme können als einfache Einzellösung eingesetzt werden, zum Beispiel zum Zählen von Objekten in der Produktionslinie. Fortschrittlichere Lösungen ermöglichen die Integration von KI-Vision-Systemen mit Aktoren, beispielsweise zum Entfernen fehlerhafter Objekte vom Förderband.

Weitere Einsatzgebiete für KI-Vision-Systeme sind:
– Automatische Inspektion von Verpackungen
– Lesen von Text und Barcodes
– Produkt- und Komponentenmontage
– Defekt-Reduktion
– Inventar-Management

Weitere inspirierende KI-Anwendungen finden Sie auf “MAP ON AI“.

 

Nächste Schritte

Zusammenfassend lässt sich sagen, dass die Computer Vision an Popularität gewinnen und nach und nach immer komplexere Probleme lösen wird. Wenn Sie Fragen zum Einstieg in KI-Visualisierungssysteme oder zur Optimierung Ihres Modells haben, wenden Sie sich gerne an uns!

Weitere Informationen über KI-Techniken erfahren Sie in unserem KI-Workshop.

Teilen Sie diesen Artikel!