Der Easy-to-Use-Anspruch und das Bereitstellen neuester Technologien ist dabei kein Widerspruch. Im Gegenteil: MERLIC demonstriert, dass die aktuellen und leistungsstärksten Technologien der industriellen Bildverarbeitung, wie etwa Deep Learning, auch mit wenig Aufwand und Know-how genutzt werden können. In der nun veröffentlichten Version MERLIC 5.2 findet sich die Deep-Learning-Technologie „Global Context Anomaly Detection“. Vor einem halben Jahr wurde die Methode, die in dieser Form eine Weltneuheit darstellt, erstmals in MVTec HALCON, der Standardsoftware für die industrielle Bildverarbeitung, integriert. Anschließend wurde die Technologie an die MERLIC-Bedienung, die ohne Programmierkenntnisse auskommt, angepasst und in die Software integriert. Global Context Anomaly Detection hebt als Erweiterung der bewährten Anomaly Detection die Deep-Learning-basierte Fehlererkennung auf eine neue Stufe. Das Feature „versteht“ den logischen Inhalt von Bildern und erkennt dadurch neue Varianten von Anomalien. Ein Beispiel ist die Bestimmung, ob das Logo auf einer Flasche zum Flascheninhalt passt.
MVTec Forschungsabteilung gewinnt „Best Industrial Paper Award“
Entwickelt wurde die Deep-Learning-Technologie „Global Context Anomaly Detection“ in der hauseigenen Forschungsabteilung von MVTec. Darüber hinaus werden die Ergebnisse der Forschungsarbeit der rund ein Dutzend Wissenschaftlerinnen und Wissenschaftler bei MVTec regelmäßig auf internationalen Fachkonferenzen als wissenschaftliche Artikel eingereicht. Zu erwähnen ist hier der Artikel „The MVTec 3D-AD Dataset for Unsupervised 3D Anomaly Detection and Localization“, der die Tür zu einer vollkommen neuen Art der Anomalieerkennung aufstößt. Darin wird die Anomalieerkennung auf 3D-Oberflächen beschrieben. Dieser Artikel wurde in diesem Jahr auf der „17th International Conference on Computer Vision Theory and Applications“ mit dem Best Industrial Paper Award ausgezeichnet.
Neueste Technologien kommen Kunden zugute
Global Context Anomaly Detection ist nicht die erste Methode, die in der MVTec Forschungsabteilung entwickelt und anschließend in ein marktreifes Feature überführt wurde. „Die rasche Bereitstellung von Forschungsergebnissen für die MVTec-Produkte HALCON, MERLIC oder das MVTec Deep Learning Tool unterstreicht unseren Anspruch als Technologieführer. Unsere Kunden wiederum profitieren durch den Einsatz der MVTec Software-Produkte dadurch, dass sie immer mit der neuesten und leistungsstärksten Technologie in ihren Applikationen arbeiten können,“ erklärt Dr. Maximilian Lückenhaus, Director Marketing + Business Development. Der Mehrwert für den Kunden durch den Einsatz von Global Context Anomaly Detection liegt darin, dass unter anderem ganz neue Anwendungsbereiche mit Machine Vision erschlossen werden können. Beispiele sind die Qualitätskontrolle zur Vollständigkeitsprüfung oder Defekterkennung, etwa bei Leiterplatten.
Daneben leistet die Forschungsabteilung einen wertvollen Beitrag für die Machine-Vision-Forschungsgemeinschaft. Ein Beispiel ist der „MVTec Anomaly Detection“-Datensatz. Dabei handelt es sich um den ersten großen Machine-Vision-Datensatz für industrielle Anomaly Detection, den MVTec der Forschungsgemeinschaft kostenlos für nicht-kommerzielle Zwecke zur Verfügung stellt. Dieser Datensatz erfreut sich großer Aufmerksamkeit. Verschiedene Artikel von MVTec, die sich mit diesem Thema befassen, wurden in der wissenschaftlichen Literatur bereits tausendfach zitiert.