Erkennen, sortieren, zählen
AI-Vision in wenigen Schritten integriert
Die Verarbeitung von Bilddaten spielt in vielen Industriezweigen eine entscheidende Rolle, sei es bei der Qualitätssicherung, Produktionsüberwachung oder Robotik. KI-basierte Systeme eröffnen dabei viele neue Möglichkeiten und lösen Herausforderungen, die zuvor nur schwer zu bewältigen waren, auch in bestehenden industriellen Anwendungen. Denn trainierte neuronale Netze können komplexe Muster erkennen, Anomalien identifizieren und sogar Werkzeugausfälle vorhersagen, was zu einer erheblichen Verbesserung der Prozessleistung führt. Doch während die Möglichkeiten faszinierend sind, bleiben in vielen Unternehmen Fragen, wie sie KI-basierte Bildverarbeitung in ihre bestehenden Anwendungen implementieren können.
Wie genau die Technologie funktioniert und wie man sie in der eigenen Anwendung auf den Weg bringt, wirft weiterhin Unsicherheiten auf und zeigt Wissenslücken in zahlreichen Branchen. Antworten liefern die Hersteller intelligenter KI-Systeme und Kameras, indem sie unter anderem den Umgang mit KI-basierten Embedded-Vision-Systemen vereinfachen. IDS NXT ist ein Beispiel dafür – diese smarte KI-Komplettsystem öffnet nicht nur Experten, sondern auch Citizen Developers die Tür zur mühelosen Nutzung von KI-basierter Bildverarbeitung. Die Integration in Anwendungen wird dadurch nicht nur einfacher, sondern auch schneller realisierbar.
Erkennen, sortieren, zählen, Vollständigkeit prüfen
KI-basierte Bildverarbeitung verfügt über die Fähigkeit, Bilder in verschiedene Kategorien einzuordnen - das ist bei der Erkennung und Klassifizierung von Produkten sehr hilfreich. So lassen sich viele Aufgaben automatisieren, die noch all zu oft von Menschen durchgeführt werden. Das umfasst die Identifizierung von Fehlern, das Sortieren von Objekten auf Förderbändern oder auch Vollständigkeitsprüfungen. Speziell ihre Stärke, komplexe Muster und Strukturen in Bildern zu erkennen, macht sie zu einem wichtigen Werkzeug in der Qualitätssicherung. Denn gerade die sind für das menschliche Auge meist nur sehr schwer zu erfassen.
Machbarkeitsanalyse für Domain-Experten
Vor dem Hintergrund der vielfältigen Chancen und Herausforderungen im Bereich der Bildverarbeitung, insbesondere beim Einsatz bisher unbekannter Technologien, Werkzeuge und Methoden, gewinnt die Durchführung von Machbarkeitsanalysen an Bedeutung. Sie ermöglichen einerseits eine fundierte Einschätzung der Umsetzbarkeit, bergen jedoch auch das Risiko, schnell aufwendig und kostenintensiv zu werden. Doch die Schlüsselkompetenzen für die Arbeit mit Machine-Learning-Methoden sind nicht mehr dieselben, wie für regelbasierte Bildverarbeitung. Entscheidend für die Qualität der Ergebnisse ist nicht mehr das Produkt eines manuell entwickelten Programmcodes durch einen Bildverarbeitungsexperten, sondern wird durch den Lernprozess mit geeigneten Beispieldaten bestimmt. Dafür ist vor Allem ein tiefes Verständnis der jeweiligen Anwendung erforderlich.
Was den Aufwand speziell bei ersten Anwendungstests ebenfalls reduziert, ist die Tatsache, dass bei einem KI-Komplettsystem wie IDS NXT ein Großteil des Entwicklungs- und Evaluierungsprozess in einem einfach und intuitiv bedienbaren Cloud-Service erledigt werden kann. In diesem AI Vision Studio müssen Anwender keine Erfahrung in KI, Anwendungsprogrammierung oder Bildverarbeitung mitbringen. Davon profitiert gerade die sehr komplexe Entwicklung von Embedded Systemen, die bisher besonderes Fachwissen mit sehr speziellen Entwicklungstools erfordert. Unter diesen Vorzeichen sind Machbarkeitsanalysen dann allein von Domain-Experten durchführbar, die am meisten Produktwissen besitzen. Unternehmen sind so in der Evaluationsphase weniger auf Programmierer und Bildverarbeitungsexperten angewiesen.
Kurze Trainingsphasen durch Strategie der kleinen Schritte
Liegen durch die Tests der Machbarkeitsanalyse dann erste Erkenntnisse vor, können für das weitere Vorgehen gezielt Anpassung vorgenommen werden, um die Qualität und Leistungsfähigkeit der KI-Modellen zu steigern. Dazu ist wichtig zu beachten, dass ein Übergang zu größeren Datensätzen notwendig sein kann. Dies sollte jedoch als schrittweiser Prozess erfolgen, um sicherzustellen, dass Modelle korrekt und robust trainiert werden. Ein kleiner Datensatz zu Beginn reduziert das Risiko von Overfitting, bei dem das Modell die Trainingsdaten zu stark "memorisiert" und schlecht auf neue, unbekannte Daten generalisiert. Zudem verkürzt der Umgang mit wenigen Daten die Trainingsphasen und erlaubt so schnellere Experimente und Iterationen, wodurch Sie zeitnah Feedback erhalten und das Modell bzw. die Datensätze entsprechend anpassen können.
Benutzerfreundliche Werkzeuge, wie sie das AI Vision Studio "IDS lighthouse" auch ungeübten Anwendern bereit stellt, helfen zudem dabei, Trainingsergebnisse mit passenden Beispieldaten direkt in der Cloud zu evaluieren und zu bewerten. So verlieren Sie zu Beginn des Vorhabens beim Experimentieren wenig Zeit durch aufwändiges Vorbereiten und Durchführen von Tests an der realen Maschine, speziell wenn mehrere Iterationen notwendig sind.
Einfache Integration mit All-in-One System
Doch auch wenn die Bildverarbeitung mithilfe benutzerfreundlicher Tools intuitiv erzeugt werden kann und auch Neulinge zu guten Ergebnissen führt, stellt ihre nahtlose Integration in die Kundenanwendung eine weitere bedeutende Herausforderung dar. Das manifestiert sich insbesondere in den Schnittstellen, sowohl auf Hardware- als auch auf Softwareebene. Hardwareseitig beinhaltet dies Aspekte wie Stecker, Kabel, Adapter und Leitungslängen, um eine reibungslose Verbindung sicherzustellen. Auf der Softwareseite dreht sich die Integration um Fragen zu Übertragungsprotokollen, Ergebnisformaten und der nahtlosen Einbindung der Bildverarbeitungssoftware in das Steuerungssystem der Anlage. Hierbei spielen oft Software Development Kits (SDKs) eine entscheidende Rolle, da sie die notwendigen Werkzeuge und Ressourcen bieten, um die Bildverarbeitungsfunktionalität flexible an bestehende Systemarchitekturen anzupassen. Zur Beherrschung der Vielfalt an Programmiersprachen geht es dann ohne Entwickler nicht weiter.
Um sicher zu stellen, dass die Bildverarbeitung nicht nur als isolierte Technologie, sondern als integraler Bestandteil des gesamten Anwendungsablaufs erfolgreich und einfach eingebunden werden kann, müssen Hardware- und Softwareaspekte eines benutzerfreundlichen Systems ganzheitlich betrachtet werden. Möglich machen das All-in-One Embedded Vision Systeme wie IDS NXT.
Intelligente Bildanalyse im Baukastensystem
Das Versprechen, dass KI-basierte Bildverarbeitung für jeden auch ohne Spezialwissen zu KI oder Anwendunsgprogrammierung einfach einsetzbar ist, funktioniert nur, wenn von der Bildaufnahme bis zur Übermittlung von Analyseergebnissen bzw. der Ansteuerung einer Maschine alle Komponenten einfach und zusammenhängend konzipiert sind. IDS NXT bringt neben der intelligenten Kamera-Hardware auch die KI-Daten und -Trainingsplattform mit und ermöglicht über einen blockbasierten visuellen Editor das Zusammenstecken individueller Analyseabläufe, die dann per Knopfdruck als Apps auf der Kamera ausgeführt werden. Mit perfekt aufeinander abgestimmten Build-Tools kann Embedded Vision Entwicklung kaum einfacher sein.
Mit standardisierten Schnittstellen, wie digitalen Ein- und Ausgängen, einem Restful Webservice und Industrieprotokollen wie OPC-UA, erfolgt die Anlagenintegration des Komplettsystems vergleichbar einfach mit einem smarten Sensor. Durch das App-basierte System kann die Analyse-Aufgabe zudem innerhalb von Sekunden von einem Produkt auf ein anderes umgerüstet werden. Das minimiert Kosten für Rüstzeiten und macht spezifische Embedded Vision Geräte schon bei Losgröße 1 wirtschaftlich einsetzbar. Ein einfacher und ganzheitlicher Zugang zu KI-basierten Methoden, wie am Beispiel IDS NXT, schafft mehr Akzeptanz für die neue Technologie wodurch die Wissenslücken endlich geschlossen werden können.
Weiterführende Infos
- Auf der Produktwebseite finden Sie weitere Informationen zur Embedded AI Vision Plattform IDS NXT.
- Im Fachbeitrag "Zeit für KI" erfahren Sie mehr über das AI Vision System IDS NXT und damit neben Machine Learning auch der komplette Anwendungsworkflow intuitiv abgebildet wird
- In unseren Webinar-Videos "How to build block-based custom vision apps" und "How to evaluate AI vision without camera" zeigen wir, wie individuelle Inferenzaufgaben in wenigen Minuten in der Cloud realisiert, getestet und anschließend on-the-edge ausgeführt werden können.