[Translate to Deutsch:]

Deep Learning beschleunigt Machine Vision

Künstliche Intelligenz und insbesondere Deep-Learning-Technologien werden immer leistungsfähiger und können sehr spezifische Anforderungen erfüllen.

In der industriellen Bildverarbeitung ermöglicht Deep Learning eine zunehmende Anzahl von Anwendungen, die vorher nicht möglich waren. Darüber hinaus kann die Leistung bestehender Applikationen erheblich verbessert werden. Besonders im Bereich der Klassifikation ist Deep Learning eine sehr effiziente Technologie. Viele Branchen und Bereiche profitieren bereits von den neuen Möglichkeiten, wie z.B. Landwirtschaft, Maschinenbau, Pharmazie, Logistik, etc.

Die Softwareprodukte von MVTec bieten eine große Auswahl an Operatoren, Funktionen und Methoden, die entweder auf Deep-Learning-Technologien basieren oder es den Kunden ermöglichen, Deep Learning in ihren eigenen Anwendungen einzusetzen.

Deep Learning bringt die Klassifikation von Daten auf die nächste Stufe

Die industrielle Bildverarbeitungssoftware von MVTec bietet vortrainierte CNNs (Convolutional Neural Networks), die es ermöglichen, Anwendungen mit einer relativ geringen Anzahl von Trainingsbildern zu entwickeln. Durch die Verwendung dieser Netzwerke können Benutzer ihren eigenen Klassifikator trainieren, um neue Daten zu klassifizieren. Wenn eine ausreichende Anzahl von Bildern zur Verfügung steht, extrahiert der Trainingsprozess automatisch die unterschiedlichen Merkmale jeder Klasse. HALCON und MERLIC analysieren dann diese Bilder und lernen automatisch, welche Merkmale zur Identifizierung der gegebenen Klassen verwendet werden können. 

Deep-Learning-Methoden in MVTec Produkten

Deep Learning ist ein leistungsstarkes Tool, das MVTecs umfassende Bildverarbeitungstechnologien ergänzt. Damit können ganzheitliche Anwendungen entwickelt werden, bei denen Deep Learning in Kombination mit traditioneller Bildverarbeitung zum Einsatz kommt.

Das Training für diese vier Deep-Learning-Technologien kann auf CPUs durchgeführt werden. Als Anwender profitieren Sie somit von erheblich mehr Flexibilität bei der Nutzung von Deep Learning, da das Training direkt an der Produktionslinie ausführbar ist und sich die Anwendung damit "on the fly" an sich ändernde Umgebungsbedingungen anpassen lässt. Die Inferenz kann auf GPUs als auch auf x86-CPUs und Arm®-Prozessoren ausgeführt werden.

Basierend auf unserer AI²-Schnittstelle unterstützen wir auch eine wachsende Anzahl von KI-Inferenzbeschleunigern, um die Geschwindigkeit mit dedizierter Hardware zu erhöhen.

Vorteile von Deep Learning

  • Automatische Extraktion der Merkmale
  • Große Datenmengen können verwendet werden
  • Reduzierter Programmieraufwand
  • Kürzere Entwicklungszeiten

Anwendungsbeispiele

Logistik

Ganz gleich, ob Sie Pakete klassifizieren oder einen führerlosen Gabelhubwagen steuern müssen, mit Deep-Learning-Lösungen können Sie Bildverarbeitungsaufgaben schneller und kosteneffizienter lösen.

Beispiel: Identifizierung von leeren Regalplätzen
Die implementierte Lösung arbeitet mit 2D-Bilddaten, die einen komplexen Hardwareaufbau mit 3D-Sensoren ersetzen. Dadurch wurde der Klassifikationsprozess beschleunigt und die Kosten reduziert.

Erfahre mehr

Landwirtschaft & Nahrungsmittel

Vom Klassifizieren von Früchten über das Ernten von reifem Gemüse, das Verpacken von Früchten in Tüten bis hin zur Herstellung von Tiefkühlwaren – Deep-Learning-Technologien verbessern Ihre Automatisierungsprozesse, ob im Gewächshaus, auf dem Feld, in der Scheune oder in der Produktionsanlage.

Beispiel: Identifizierung von Pflanzen
Mit Deep Learning können nun neue Pflanzenarten doppelt so schnell programmiert werden wie bisher. Darüber hinaus wurde die Fehlerquote deutlich reduziert.

Erfahre mehr

Elektronik & Halbleiter

Die industrielle Bildverarbeitung spielt z.B. bei der Identifikation und Prüfung von Elektronikbauteilen eine große Rolle. Mit Deep Learning können komplexe Prüfaufgaben, die bisher manuell durchgeführt wurden, automatisiert werden.

Beispiel: Qualitätsprüfung von Druck auf Leiterplatten
Die Klassifizierung von guten und schlechten Bildern verschiedener Leiterplattenteile konnte durch Deep Learning erheblich beschleunigt werden.

Erfahre mehr

Medizin & Pharma

Wenn Sie nach einem Tool suchen, das Ihre Qualitätskontrolle auf die nächste Stufe hebt, ist Deep Learning die richtige Wahl. Ob es darum geht, Fehler auf Pillen zu erkennen, Tabletten richtig zu sortieren, Flaschen oder Etiketten abzufüllen, zu inspizieren oder zu verpacken – Bildverarbeitung mit Deep Learning verbessert Ihre Prozesse.

Beispiel:  Erkennung von Fehlern auf Tabletten
Neue Arten von Defekten könnten automatisch trainiert werden, was eine enorme Zeit- und Kostenersparnis bedeutet.

Erfahre mehr

Was wollen Sie als nächstes tun?

Videos & Tutorials     Success Stories