Wie unstrukturierte Texte tragen auch Bilder zahlreiche Informationen in sich. Wann immer komplexe bildliche Prüfverfahren für Herstellungsprozesse benötigt werden, die zeitaufwändig oder kostenintensiv mit herkömmlicher Bildverarbeitung zu programmieren sind, wird deep learning verwendet. Deep Learning erlernt und erkennet, aus Beispieldaten, Strukturen und Muster heraus. Diese Erkenntnis wird auf neue, unbekannte Herstellungsprozesse angewandt. Deep Learning lernt anhand einer Vielzahl von Musterbildern, wie ein Gut-Teil auf einem Kamerabild aussieht.Diese selbst vorgegebenen Darstellungsvarianten wendet das System an, um Schlecht-Teile zu erkennen und auszusortieren. Die Maschine lernt auf diese Weise, schlecht von gut zu unterscheiden. Dieser Hauptvorteil gegenüber den herkömmlichen Bildverarbeitungslösungen ist zukunftsweisend. Da Schwankungen und Abweichungen bei optisch ähnlichen Teilen bei aktuellen Bildverarbeitungslösungen dagegen nur schwer erkennbar sind.Die maschinelle Bildanalyse wird unteranderem auch für Sortierarbeiten oder Montagearbeiten verwendet. Oder um Hell-Dunkel-Unterschiede welche bei Oberflächenstrukturen (Traganteil) zu tragen kommt. Abschliessend lässt sich sagen, dass die herkömmliche Bildverarbeitung, Qualitäts-probleme und Produktfehler erkennt, die der Mensch selber programmiert hat. Hingegen mit Deep Learning unerwartete Fehler oder Produktanomalien selber findet lässt und daraus neue Erkenntnisse abgeleitet werden können.Diese Technologie hat hinsichtlich Qualität und Erkennung von Mustern ein grosses Wachstumspotenzial noch vor sich.
Kategorien: Product Development
0 Kommentare