Erstes 360°-System mit einer Rundum-Personenerkennung

Mit künstlicher Intelligenz die Sicherheit erhöhen

Mit performanten 360-Grad-Systemen hat Luis sich bereits einen Namen gemacht. Aber die Tech-Schmiede will ihre Innovation nun einen Schritt weiter treiben. Alle vier Kameras, die gemeinsam den Top View (2D) oder Surround-View (3D) liefern, werden nun mit einer KI-basierten Algorithmik zur Objekterkennung ausgestattet. Das Ergebnis ist eine rund um das Fahrzeug nahtlose Personenerkennung – und das erstmals ohne für das menschliche Auge wahrnehmbare Latenz. So kann das später montierte System Warnhinweise in Echtzeit liefern. Möglich macht das die Software und die trainierten neuronalen Netze von Luis. Um das Fahrzeug können Warnzonen eingestellt werden, sodass in besonders gefährdeten Bereichen eine eskalierte Warnung erfolgen kann.

Bild: Luis Technology GmbH

3D-Echtzeit-Darstellung: Ein großer Schritt für Arbeitssicherheit

Das System ermöglicht Einsätze in zahlreichen Gefahrenzonen, in denen vor Personen, nicht aber vor statischen Objekten gewarnt werden soll. So z.B. bei Flurförderzeugen, deren enge Arbeitssituation ein Radarsystem unbrauchbar macht – hier ist kein Daueralarm gefragt, sondern eine zielgenaue optische oder akustische Warnung vor Bewegung in einem zu definierenden Radius. Auch an Baufahrzeugen, die häufig auf engem Raum mit Personen arbeiten, gibt es große tote Winkel, die mit der neuen Technik eliminiert werden können. Die Ansicht für den Fahrer der Maschine kann je nach Fahrmanöver frei eingestellt werden. So kann z.B. auf den rechten Bereich gezoomt werden, wenn ein Bagger mit der Schaufel nach rechts schwenkt.

Bild: Luis Technology GmbH

Zudem lässt sich das System auch auf die Einzigartigkeit jeder Arbeits- und Gefahrensituation hin anlernen. Beispielsweise können Menschen mit Uniformen, Helmen oder aber ganz andere bewegte Objekte mit dem Hochleistungsrechner und Deep Learning angelernt werden.

Die Kameras wurden mit Kamerasensoren ausgestattet, die aufgrund einer Lichtempfindlichkeit von >0,1 Lux auch in ungünstigen Situationen verlässlich arbeiten sollen. Damit ist das System für zahlreiche Arbeits- und Gefahrensituationen einsetzbar.

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