Lernende Objekterkennung in Echtzeit

Inspektionssteme sind auf wenige, akkurat eingestellte Objekttypen herstellerseitig justiert. Kommen neue Produkte hinzu, müssen sie zeitaufwendig neu justiert werden. Eine KI-Inspektionsplatform soll diese Hürde jetzt beseitigen.

 

Bild: Gestalt Robotics GmbH

Auf Basis eines neuronalen Netzes werden hochflexible Systeme zur Wareneingangsprüfung und Qualitätssicherung im laufenden Betrieb aufgebaut. Dadurch werden metrische Messungen mit einfachsten Kameras ermöglicht und jeder Benutzer kann über eine App neue Produkte in wenigen Sekunden anlernen. Durch die Kombination von künstlicher Intelligenz (KI) und maschineller Wahrnehmung kann flexibel eine breite Masse an Objekten inspiziert und vermessen werden. Das Gedächtnis der KI kann auf neue Produkttypen mit nur wenigen Fotos von jedem Mitarbeiter erweitert werden. So lässt sich eine schier unbegrenzte Anzahl von Objektklassen erkennen und verwalten. Das Verfahren basiert auf aktuellen Forschungsergebnissen zur Gesichtserkennung, bei denen Millionen verschiedene Gesichter gelernt und wiedererkannt werden müssen. Hat das KI-System ein Objekt erfolgreich im Bild detektiert, kann das Objekt metrisch vermessen werden. Aufgrund dieser Besonderheit des neuen Ansatzes von Gestalt Robotics ist keine kostspielige 3D-Kamera erforderlich. Informationen über die Umgebung der Aufnahme und die KI-Analyse sind für eine präzise Vermessung eines Objektes ausreichend. Die KI-Inspekt-Plattform ist in der Lage, in unterschiedlichen Architekturen zu operieren, z.B. auf den neuen Embedded-Kamerasystemen von Adlink (Neon) und Flir (Firefly) sowie Server-Client-Architekturen, die sogar in Echtzeit über LTE/4G betrieben werden können. Die Wartung kann aufgrund der Web-App-Oberfläche mit Laptops, Desktop-Rechnern oder Mobiltelefonen erfolgen. Jeder beliebiger Bildsensor ist nutzbar. Als Bildgeber können alle Quellen von RGB-Kameras bis X-Ray-Sensoren genutzt werden.

Einsatzgebiete der Inspektionsplattform

Bei der Wareneingangsprüfung wird die eingehende Ware üblicherweise manuell anhand der Rechnungsbeschreibungen und Artikelnummern in den Bestand aufgenommen. Diese Art der Prüfung ist zeitaufwendig und ermüdend. KI-Inspekt identifiziert das Objekt anhand des Fotos und ermöglicht so eine automatisierte Wareneingangskontrolle. Die Erkennung eingehender Objekte erlaubt es bei automatisierten Hochregalen, Waren und Bauteile voll automatisch einzusortieren und mithilfe von Fotos (‚Finde mir dieses Objekt‘) zu suchen. Bei der Qualitätsprüfung erlaubt die Vermessung der Objekte mit nur einer Kamera Objekte nicht nur auf optische Stimmigkeit zu prüfen, sondern auch auf geometrische Abweichungen vom Sollwert. Als modulares System ist es KI-Inspekt möglich die Kamerahardware an die Präzisionsanforderungen anzupassen, sowie weitere Informationsquellen, wie Gewicht und Text-Scan (OCR) zu integrieren. Anstatt auf Barcodes angewiesen zu sein, können Produkte in jeder Lage z.B. auf einem Förderband erkannt werden und ermöglichen auch das Bepreisen von selbstzusammengestellten Menus in Kantinen.

www.gestalt-robotics.com

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige