KI-gestützte Bildverarbeitung

Die Integration von künstlicher Intelligenz – insbesondere in Bereichen der Bildverarbeitung – ermöglicht Anwendern ein außergewöhnliches Maß an Qualität, Flexibilität und Effizienz in der Automatisierung.

 

 
 
2019-08-Icons-AWF-X-Vorteil.png
 

Ihr
Vorteil

Intelligente Bildverarbeitung ist der Garant für verringerte Kosten und Ausschussraten auf höchstem Qualitätsniveau. Profitieren Sie vom Informationsvorsprung KI-gestützter Analyse für automatisierte, wie manuelle Prozesse.

2019-08-Icons-AWF-X-Angebot.png
 

Unser
Angebot

Wir entwickeln und integrieren passgenaue 2D- und 3D-Bildverarbeitungssysteme anhand etablierter als auch neuer Machine-Learning Verfahren und ermöglichen die anwendungsspezifische Automatisierung.

2019-08-Icons-AWF-KI-C.png
 

Industrieller
Einsatz

Zur Absicherung industrieller Einsetzbarkeit setzen wir auf die Optimierung hinsichtlich Effizienz, Robustheit, Nachvollziehbarkeit sowie die Bereitstellung mittels Factory-Cloud, Edge und Embedded Hardware.

 

Erfahren Sie mehr über unsere intelligenten Bildverarbeitungslösungen

Kontaktieren Sie uns und identifizieren Sie mit unseren Experten das Potential ihres Anwendungsfalls.

 
 

Anwendungsfelder

 

 
 

Qualitätsprüfung

 

Unsere inline Qualitätsinspektionssysteme erkennen und lokalisieren Fehler, klassifizieren Bauteilgüte, Vermessen und Prüfen auf Vollständigkeit und Anomalien. Mit Polarisationskameras gehen wir, bspw. bei spiegelnden Oberflächen und transparenten Objekten sowie Flüssigkeiten, auch über die Grenzen des für Menschen sichtbaren Lichtes hinaus.

Wir bieten maßgeschneiderte Analyse, Datenmanagement und nahtlose Anbindungen an die Unternehmens-IT-Infrastruktur wie zum Beispiel ERP-Systeme. Anwendung findet unsere Qualitätsprüfung in den Bereichen der Automatisierung von Produktion, Prozess und Labor sowie in modernen digitalen Dienstleistungsangeboten. Erfahren Sie mehr dazu in unserem Fachartikel zu EPIC, das die Grundlage für flexible KI-basierte Qualitätsprüfung bietet.

Qualitätsprüfung-Dashboard: Geometrie-Vermessung, Schadensdetektion und Oberflächeninspektion mittels Polarisationskamera

Qualitätsprüfung-Dashboard: Geometrie-Vermessung, Schadensdetektion und Oberflächeninspektion mittels Polarisationskamera

 

Visual Asset Detection & Inventory Assessment

 

Unsere intelligenten Kamerasysteme und Algorithmen erkennen, lokalisieren und verfolgen Bauteile, Produkte und andere Produktionsmittel in komplexen Umgebungen. Die Echtzeit-Positionsermittlung und -verfolgung liefert räumliche und zeitliche Einsichten über Bauteil- und Warenströme und liefert automatisierte Bestandsaufnahme für Lager und Kommissionierung. Darüber hinaus setzen wir visuelles Check-In / Check-Out sowie Lost & Found Anwendungsfälle im Lager- wie Logistikumfeld um.

Unsere maßgeschneiderten Lösungen umfassen nahtlose Integration in Ihre IT-Infrastruktur sowie wahlweise angepasste Nutzerschnittstellen. Erfahren Sie mehr in unserem Fachartikel über flexible Lösungen für die visuelle Bestandsaufnahme von Lagerräumen.

Exemplarisches Anwendungsvideo zur mobilen Asset Detection und semantischen Segmentierung im Produktionsumfeld: YouTube-Link

Exemplarisches Anwendungsvideo zur mobilen Asset Detection und semantischen Segmentierung im Produktionsumfeld: YouTube-Link

 

Erkennung von Aktivität und Körperposen

 

Unsere 2D- und 3D- Erkennung von Aktivitäten und Körperhaltungen ermöglicht die Analyse von Posen jeglicher Art in Bildern oder Videos. Weiterführend lassen sich Szenen klassifizieren und Verhalten näher analysieren. Bei Bedarf werden die Daten hardwarenah anonymisiert und DSGVO-konform weiterverarbeitet.

Anwendung finden unsere Technologien zur Analyse von Nutzerverhalten sowie zur automatisierten, zertifizierbaren Verbesserung von Ergonomie und adaptiven Mensch-Maschine-Schnittstellen. Erfahren Sie mehr in unseren Fachartikel über Körperposenerkennung und dem detaillierten Beitrag über die DSGVO-konforme Umsetzung von Bildverarbeitungsanwendungen in der Industrie.

Exemplarisches Anwendungsvideo zur Ergonomie-Optimierung durch Körper-Posenerkennung in Zusammenarbeit von Mensch und Maschine: YouTube-Link

Exemplarisches Anwendungsvideo zur Ergonomie-Optimierung durch Körper-Posenerkennung in Zusammenarbeit von Mensch und Maschine: YouTube-Link

 

Dateneffizienz & Nachvollziehbarkeit

Machine-Learning-Verfahren haben in den vergangenen Jahren klassische Bildverarbeitungsalgorithmen hinsichtlich Zuverlässigkeit und Robustheit bereits signifikant übertroffen, bringen bei der industriellen Integration aber erhebliche Herausforderungen mit sich.

 

 
 
linero_icons_full_preview- gestalted dataproc g.jpg
 

Herausforderung moderner KI

In industriellen Anwendungen mit Machine-Learning-Methoden steht allen Vorteilen vor allem die mangelnde Nachvollziehbarkeit und der immense Bedarf an großen Datenmengen neuronaler Netze gegenüber.

linero_icons_full_preview- gestalted database g.jpg
 

Industrielles Dilemma

Die Anwendung von KI-Methoden scheitert in der industriellen Praxis oft an den Kosten der Datenaufnahme oder fehlender Verfügbarkeit passender Trainingsdaten, um robuste und genaue Modelle gewährleisten zu können.

2019-08-Icons-AWF-X-Erfolg.png
 

Unsere Erfolgsformel

Mit Hilfe von selbst entwickelten Werkzeugen, Methoden und Standards ermöglichen wir den effektiven und effizienten Einsatz von künstlicher Intelligenz—nachvollziehbar und Daten-effizient im industriellen Umfeld.

 

Erfahren Sie mehr über die Vorteile von Daten-Effizienz und Nachvollziehbarkeit

Kontaktieren Sie uns und identifizieren Sie mit unseren Experten das Potential ihres Anwendungsfalls.

 
 

Daten-effiziente KI

Objekt-Identifikations-System basierend auf Few-Shot-Learning

Few-Shot-Learning

Als Few-Shot-Learning werden Machine-Learning-Methoden bezeichnet, die spezialisiert sind anhand weniger Beispiele Klassifikation, Identifikation und Segmentierung zu erlernen. Unser haus-eigenes EPIC-System ermöglicht unseren Kunden die Erkennung von Objekten mit Hilfe von wenigen Bildern. Erfahren Sie mehr dazu in unserem Fachartikel zu EPIC.

Automatisierte Erzeugung von synthetischen Bilddaten für Detektion und Segmentierung

Erstellung synthetischer Daten

Mittels unserer vollautomatisierten Pipeline auf Basis von modernen Simulationsprogrammen lässt sich per Knopfdruck eine Vielzahl von synthetischen Bildern und Metadaten generieren. Unsere Pipeline variiert gezielt Szenenparameter und unterstützt Objektklassifizierung, -detektion, -segmentierung sowie Aktivitätserkennung und Keypoint-Detektion.

 
GAN zur unterstützenden Erstellung von PCB-Datensätzen

GAN zur unterstützenden Erstellung von PCB-Datensätzen

Generative Adversarial Networks

GANs sind eine spezielle Form kombinierter neuronaler Netzwerke. Wir arbeiten mit GANs, um den Realismus synthetischer Daten signifikant zu steigern, welches die Leistungsfähigkeit von Deep-Learning Netzwerken in der praktischen Anwendung immens verbessert und den Bedarf an manuell generierten Trainingsdaten stark reduziert.

Schematik für kontinuierlich lernende KI durch Nutzer-Feedback

Schematik für kontinuierlich lernende KI durch Nutzer-Feedback

Active Learning

Bei geringer Datenlage lassen sich zunächst Vorschlagssysteme unter Integration eines menschlichen Operators realisieren. Auf Basis automatisierte Abläufe für Training und Evaluierung setzen wir Assistenzsysteme ein, die mit Hilfe von Nutzerfeedback (Human-in-the-Loop) kontinuierlich dazu lernen und ab einem gewissen Punkt selbstständig Entscheidungen treffen.

 

Nachvollzieh-barkeit

Netz-Inspektor.jpg

Net-Inspector

Unser Net-Inspector ist ein mächtiges Werkzeug, um die Entscheidungen neuronaler Netze für den Anwender sichtbar und somit nachvollziehbar zu machen. Der Einsatz in Kombination mit klassischen Performance-Metriken ermöglicht es uns, zuverlässige und leistungsstarke Lösungen bereitzustellen und diese bereits im Rahmen des Entwicklungsprozesses zu evaluieren.   

DIN-Logo.jpeg

Normung

Mit der DIN SPEC 92001-1 wird das Ziel verfolgt, die Qualität von KI-Methoden anhand eines einheitlichen Konzepts zu sichern. Zu diesem Zweck wurde im Konsortium unter unserer Beteiligung ein Qualitäts-Metamodell definiert. Relevante Qualitätsaspekte über den gesamten Lebenszyklus von KI-Modellen hinweg werden ganzheitlich betrachtet miteinander in Verbindung gebracht.

 

TechnologieBaukasten

Das Fundament für eine effiziente und zuverlässige Implementierung von KI-gestützter Bildverarbeitung stellt das nahtlose Zusammenspiel unserer Technologien dar. Mithilfe unseres Baukastensystems kombinieren und vernetzen wir diese passgenau.

 

 
 
2019-08-Icons-TEC-KI-klass.png
 

Klassifikation & Erkennung

Zu unserem englisch-sprachigen Fachartikel.

2019-08-Icons-TEC-KI-segment.png
 

Semantische Segmentierung

Zu unserem englisch-sprachigen Fachartikel.

2019-08-Icons-TEC-KI-pose.png
 

Posenschätzung

Zu unserem englisch-sprachigen Fachartikel.

 
2019-08-Icons-TEC-KI-aktiv.png
 

Aktivitätserkennung

2019-08-Icons-TEC-KI-eff.png
 

Daten-Effizienz

Mehr Informationen zu unserer Arbeit mit Daten-Effizienz in Form unsere preisgekrönten Klassifizierungs-Pipeline EPIC auf unserem englisch-sprachigen Fachartikel.

2019-08-Icons-TEC-KI-datenset.png
 

Datensatz-Erstellung

 
2019-08-Icons-TEC-KI-anomalie.png
 

Anomalie-Erkennung

2019-08-Icons-TEC-KI-spaten.png
 

Spatio-Temporales Gedächtnis

Zu unserem englisch-sprachigen Fachartikel.