Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
0 2 - 2 3 · w w w c o m p u t e r - a u t o m a t i o n d e | 3 Ro b o t i c s Au t o m a t i o n | Kü n s t l i c h e In t e l l i g e n z End-Ansatz integriert die gesamte Prozesskette und verhindert dadurch Reibungsverluste sowie Medienbrüche Informationen durch KI-Pipeline Am Beginn der Pipeline zur Datenverarbeitung steht ein Kamera-Connector der die Daten in 2D oder 3D von den Bildeinzugsgeräten entgegennimmt Anschließend gelangen die Daten an KI-Module die je nach Anwendungsfall flexibel miteinander kombiniert werden können Ein Beispiel für eine solche KI-Komponente ist das Modul zur Objekterkennung Es ermöglicht mittels KI alle Objekte vordefinierter Typen in einem Bild zu erkennen und mit einer Bounding Box zu begrenzen In der Maschinenproduktion lassen sich beispielsweise bestimmte Fertigungsfehler wie Lackierfehler oder Kratzer als zu erkennende Objekte definieren und einlernen So kann das Modul Informationen dazu liefern ob ein Maschinenteil einen Mangel aufweist wo genau der Mangel besteht und welche Art von Fehler vorliegt Damit eignet sich dieser Baustein insbesondere zur Qualitätskontrolle in der Fertigung Im Hintergrund der angewandten KI-Module kümmert sich ein übergeordnetes System um das Durchschleusen der Daten durch die einzelnen Komponenten und überprüft die Ergebnisse Nachdem die Datenverarbeitung abgeschlossen ist gibt ein Cloud-Connector die gewonnen Informationen an weitere Glieder der vernetzten Industrie-4 0-Prozesskette weiter zum Beispiel an die Warenwirtschaft oder die Produktionsplanung Smarte Sensoren durch neuronale Netze Lernende Algorithmen bilden die technische Basis für KI-Module Welcher konkrete Algorithmus jeweils zum Einsatz kommt hängt einerseits von der Art und Komplexität der Aufgabenstellung ab und andererseits müssen Laufzeiteigenschaften wie Energieaufwand und Zielhardware berücksichtigt werden In der modernen Computer Vision werden häufig neuronale Netze genutzt die mithilfe von passendem visuellen Input in iterativen Trainingsprozessen so weiterentwickelt werden dass sie automatisiert Informationen aus neuem Bildmaterial generieren können In der Objekterkennung gehören die Verfahren YOLO ‚You only look once‘ oder R-CNN ‚Region based convolutional neural networks‘ zu den bekanntesten Optionen für den Aufbau neuronaler Netzwerke Bei Smart Vision verwandeln sich optische Bildeinzugsgeräte also zu smarten Sensoren Mit ihrer Hilfe lassen sich datengesteuerte intelligente Dienste implementieren und Prozesse hochgradig automatisieren – beispielsweise die Qualitätskontrolle in der industriellen Fertigung Abgesehen von der beschriebenen Objekterkennung können die optischen Sensoren noch eine Vielzahl anderer KIgestützter Vision-Aufgaben erfüllen etwa die Identifikation von Personen die exakte Lagebestimmung und das sichere Handling von Werkstücken die präzise Vermessung von Gegenständen sowie die Beobachtung und Bewertung von Szenarien Ganzheitliche Smart-Vision-Lösung Für die Implementierung eines Smart-Vision-Ansatzes im Unternehmen bietet Cloudflight ein ganzheitliches Service-Portfolio aus einer Hand Dies beginnt mit einer Beratung hinsichtlich möglicher Strategien und der technischen Umsetzung um ein tragfähiges digitales Geschäftsmodell zu entwickeln Durch eine fundierte Datenanalyse und entsprechende KI-Module auf Basis vortrainierter Modelle lassen sich Proofof-Concept-Prozesse maßgeblich beschleunigen Die hauseigene Machine-Learning-Plattform ‚Model-Cloud‘ sorgt für ein schnelles Training und iteratives Benchmarking der eingesetzten KI-Modelle nach dem Prinzip Trainieren – Testen – Wiederholen Darüber hinaus erfolgt im Rahmen eines Software-Engineering-Workflows die tiefgehende Systemintegration sowie das bedarfsgerechte UI UX-Design der Anwendung – beispielsweise mittels transparenter Dashboards und Statistiken Auch die passende Sensor-Technologie sowie deren Installation ist Teil des Gesamtpakets Dabei liefern Systempartner verschiedene Hardware-Lösungen zum Beispiel Bildeinzugsgeräte wie LiDAR-Geräte Timeof-Flightoder hochauflösende RGB-Kameras Abgerundet wird das Service-Portfolio durch den Softwareund Hardwareseitigen Betrieb der gesamten Systemlandschaft Die Palette der Anwendungen Doch in welchen Branchen und Anwendungsfällen ist die Implementierung von Smart Vision überhaupt sinnvoll? Aufgrund der generischen Konzeption der Lösung sind neben der Qualitätssicherung in der industriellen Fertigung viele weitere Szenarien denkbar Dazu zählen beispielsweise Smart-City-Lösungen die in Großstädten den Individualsowie öffentlichen Nahverkehr steuern und kanalisieren Die Software-Algorithmen sind zum Beispiel in der Lage Fahrzeuge präzise zu erkennen zu zählen und sie in spezifische Der KIbasierte ‚Smart Vision‘-Ansatz erkennt in der industriellen Fertigung automatisiert Fehler an Teilen und eignet sich damit insbesondere zur Qualitätskontrolle Bi ld Clou df lig ht