Anzeige
Anzeige

Deep Learning ist einer der Schwerpunkte der Vision 2018

Trainieren statt programmieren

Vorbericht Vision 2018: Deep Learning im Fokus

Angetrieben von immer schnellerer Rechenleistung hat sich Deep Learning in der Bildverarbeitungsbranche zu einem Megatrend entwickelt, der auch die Vision 2018 (6. bis 8. November in Stuttgart) prägen wird.

Deep-Learning-Systeme werden auch zum Erfassen und Zählen von Fahrzeugen und Personen eingesetzt. Zahlreiche weitere Deep-Learning-Neuheiten und Anwendungen sind auf der Vision 2018 zu sehen. (Bild: Neadvance)

Deep-Learning-Systeme werden auch zum Erfassen und Zählen von Fahrzeugen und Personen eingesetzt. Zahlreiche weitere Deep-Learning-Neuheiten und Anwendungen sind auf
der Vision 2018 zu sehen. (Bild: Neadvance)

Deep-Learning-Systeme, als Teilbereich von Machine Learning und Künstlicher Intelligenz, haben einen anderen technologischen Ansatz als die derzeitige Bildverarbeitungstechnik. Die neuen Systeme zeichnen sich dadurch aus, „dass große Mengen an digitalen Bilddaten analysiert und damit Modelle von bestimmten, zu erkennenden Objekten trainiert werden“, so Dr. Olaf Munkelt, Geschäftsführer MVTec (www.mvtec.com): „Mit Hilfe dieser Trainingsdaten lernt der Klassifikator dann, zwischen den eingegebenen Klassen zu unterscheiden“.

Flexible Entscheidungen

„Die Stärke von Deep Learning liegt darin, dass ein solcher Ansatz flexibler entscheiden kann, als ein Satz vorgegebener Regeln in konventionellen Bildverarbeitungs-Systemen“, betont Volker Gimple, Gruppenleiter Bildverarbeitung bei Stemmer Imaging (www.stemmer-imaging.de). Dr. Klaus-Henning Noffz, Geschäftsführer Silicon Software (https://silicon.software), ergänzt: „Deep Learning punktet immer dann, wenn Prüfobjekte große Variationen aufweisen und schwer mathematisch modellierbar sind.“ Deep Learning kann somit überall dort eine Alternative sein, wo konventionelle Bildverarbeitungssysteme an ihre Grenzen stoßen: „Deren größte Herausforderungen sind ein sich veränderndes optisches Umfeld, die immer größere Produktvielfalt sowie die Komplexität des Bildes selbst“, so Hanjun Kim, Marketing Manager bei Sualab (www.sualab.com): „Auch in Bereichen, wo Bildverarbeitung bereits implementiert ist, kann der zusätzliche Einsatz von Deep Learning Genauigkeit und Geschwindigkeit des Prüfvorgangs drastisch beschleunigen.“

Vielfältige Anwendungen

Eingesetzt wird Deep Learning heute bereits in Anwendungen, wo Bildverarbeitung eine Klassifizierung des untersuchten Objekts vornimmt. Dr. Noffz beschreibt eine Anwendung aus dem Automobilbau: „Selbstlernende Algorithmen erkennen hier beispielsweise winzige Lackfehler, die mit bloßem Auge nicht sichtbar sind“. Auch die Nahrungsmittel- und Getränkeindustrie profitiert von Deep-Learning. „So können z.B. minderwertige Früchte und Gemüse präzise identifiziert und inspiziert werden, bevor sie verpackt oder weiterverarbeitet werden“, erläutert Dr. Munkelt. Auch Dr. Christopher Scheubel, Head of IP & Business Development bei Framos (www.framos.com), beschreibt eine Anwendung, bei der mit Deep Learning Gebinde für einen Lebensmitteleinzelhändler sortiert und klassifiziert werden. Deepsense (www.deepsense.ai) stellt auf der Vision eine Lösung zur visuellen Qualitätskontrolle vor, die sich ohne langwierige Programmierung zur Inspektion von Objekten mit komplexen Mustern wie etwa Holz oder Textilien eignet. Robert Bogucki, Chief Science Officer bei Deepsense, sieht zudem zukünftige Anwendungschancen im Bereich Healthcare.

Anzeige

Empfehlungen der Redaktion

Das könnte Sie auch interessieren

Um die hohen Fertigungsanforderungen bei der Polymerfolienherstellung einzuhalten und nachweislich zu prüfen, setzt EK-Pack Folien GmbH auf das Managementsystem IMS Professional.‣ weiterlesen

www.consense-gmbh.de

Anzeige

Über welches IT-System die Qualitätsaufgaben einer Produktion gelenkt werden sollen, ist häufig noch umstritten. Während die Administration dies oft dem ERP-System zutraut, stehen viele Projektleiter und Fachverantwortliche in der MES- und CAQ-Fankurve.‣ weiterlesen

www.guardus.de

Anzeige

Baugruppen im Nutzen zu bestücken, hat sich in der Elektronikfertigung in den letzten Jahren durchgesetzt. Galten Nutzentests lange als schwierig, ist auch dieses Verfahren gefragter, seitdem man das Trennen besser im Griff hat. Allerdings kämpfen Elektronikfertiger bei Nutzentests noch mit zahlreichen Herausforderungen, die sich durch verschiedene Softwares deutlich erleichtern lassen.‣ weiterlesen

www.digitaltest.de

Anzeige

High QA hat seine Software Inspection Manager aktualisiert, um Anwendern die Verwaltung von Inspektionsanforderungen weiter zu erleichtern.‣ weiterlesen

www.highqa.com

Anzeige

In der neuen Version 9.1 bietet die Software SmartProcess vom Hersteller CWA neue Funktionen für die Prozessmodellierung und für das Qualitätsmanagement. Auch die Oberfläche der QM-Software wurde erneut überarbeitet.‣ weiterlesen

www.cwa.de

Anzeige

Der Softwarehersteller Plato stellt auf der 33. Control in Stuttgart in Halle 8, Stand 8303 mit der webbasierten E1ns-Technologie eine Product Innovation Platform (PIP) vor, die Ingenieure in die Lage versetzen soll, das Zusammenspiel von Tools, Mitarbeitern und Informationen zu synchronisieren.‣ weiterlesen

www.plato.de

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige