Der seit MERLIC 5 eingeschlagenen Weg, den Kunden neueste Deep-Learning-Features zur Verfügung zu stellen, die gleichzeitig auch noch einfach zu bedienen sind, wurde mit MERLIC 5.2 konsequent weiterverfolgt. Zu den bewährten Deep-Learning-Funktionen Anomaly Detection and Classification (ab MERLIC 5) sowie Deep OCR (ab MERLIC 5.1) kommt nun Global Context Anomaly Detection hinzu. Die Technologie kam in dieser Form als Weltneuheit erstmals in MVTec HALCON im Frühjahr 2022 zum Einsatz und steht nur ein halbes Jahr später MERLIC Nutzern zur Verfügung. Wie auch in den Vorgängerversionen können Nutzer auch auf das Deep-Learning Tool (DLT) von MVTec zugreifen. Das Tool ist zum einfachen Labeln und Trainieren von Trainingsdaten konzipiert. Beide Vorgänge sind nämlich entscheidende Schritte für jede Deep-Learning-Anwendung. Denn die Qualität der gelabelten oder trainierten Daten spielt eine große Rolle, wenn es um die Leistung, Genauigkeit und Robustheit der Anwendung geht. Die Benutzung des Deep-Learning-Tool ist einfach und ohne Programmierkenntnisse möglich.
„Unser Ziel mit MERLIC ist es, dass auch anspruchsvolle Machine-Vision-Anwendungen vollständig, schnell und aus einer Hand umgesetzt werden können. Mit der Integration der Global Context Anomaly Detection und des Deep Learning Tools wird der Einsatz von MERLIC für eine noch größere Zahl an Usern interessant. Und das alles easy-to-use, ohne eine Zeile Code schreiben zu müssen“, erläutert Christoph Wagner, Technical Product Manager MERLIC bei MVTec.
Global Context Anomaly Detection
Das Feature hebt als Erweiterung der bewährten Anomaly Detection die Deep-Learning-basierte Fehlererkennung auf eine neue Stufe. Nun profitieren auch MERLIC-Nutzer von dieser innovativen Technologie. Das Besondere: Global Context Anomaly Detection „versteht“ den logischen Inhalt von Bildern und erkennt dadurch neue Varianten von Anomalien. Das Feature ist für jede Industriebranche interessant, in der etwa Vollständigkeitskontrollen, Qualitätsinspektionen, Defekt-Erkennungen oder Druck-Inspektionen durchgeführt werden müssen. Zwei praktische Anwendungsfälle wären die Prüfung der Qualität und Position von Aufdrucken oder die Inspektion von elektrischen Bauteilen in der Halbleiterfertigung.
Zum Trainieren benötigt man bei Global Context Anomaly Detection nur Gut-Bilder. Dadurch ist kein Labeln erforderlich. Für das Training von Deep-Learning-Anwendungen ist es in MERLIC 5.2 möglich, das kostenlose Deep-Learning-Tool (DLT) von MVTec zu nutzen. Die Ergebnisse können im Anschluss vom DLT ohne Programmieraufwand in MERLIC importiert und dort ausgeführt werden.
EasyParams
Die Einführung der MVTec EasyParams in MERLIC 5.2 ermöglicht Anwendern das schnelle und einfache Finden und Einstellen der relevanten Kameraparameter. Unabhängig vom Kamerahersteller kann die Applikation dank der einfacheren Konfiguration schneller in Betrieb genommen werden. Zusätzlich werden alle EasyParams automatisch von MERLIC gespeichert. Das vergrößert die unterstützte Anzahl von kompatiblen Kameras von MERLIC.
Bilddaten aus MERLIC exportieren
Mit MERLIC 5.2 ist es nun auch möglich, Bilddaten aus MERLIC auszuleiten. Für Anwender ist das Feature nützlich, da diese nun die Bilder für Visualisierungszwecke direkt über die Kommunikationsschnittstelle nutzen können. Ein ebenfalls neu im Lieferumfang befindliches Kommunikations-Plugin ermöglicht es, Bilder separat abzuspeichern, etwa zu Qualitätssicherungszwecken.