Was ist maschinelles Sehen?

Maschinelles Sehen gibt Industrieanlagen die Möglichkeit zu sehen, zu analysieren und zu handeln, was die Produktqualität steigert, Kosten reduziert und den Betriebsablauf optimiert.

Maschinelles Sehen und KI fördern die industrielle Innovation

  • Die Möglichkeit für Fertigungslinien, Industrie-Robotern und Ausrüstung zu sehen, wahrzunehmen und zu handeln, schafft neue Möglichkeiten zur Automatisierung und Transformation des Betriebsablaufs.

  • Kameras für maschinelles Sehen in Kombination mit KI-gestützten Visionsprozessoren können Hochleistungs-Defektdetektion zu Produktionsgeschwindigkeiten liefern.

  • Intelligentes maschinelles Sehen bringt neue Abstufungen der Autonomie in Robotersteuerungssysteme und anspruchsvolle eigene Inspektionssysteme in Industrieroboter.

author-image

Von

Was ist maschinelles Sehen?

Einfach ausgedrückt, die Technik des maschinellen Sehens gibt Industrieanlagen die Möglichkeit, zu „sehen“, was es macht und schnelle Entscheidungen zu treffen, basierend auf dem, was es sieht. Die am häufigsten verwendeten Anwendungen des maschinellen Sehens sind Sichtprüfung und Fehlererkennung, Positionierung und Messteilen und Erkennung, Sortierung und Tracking-Produkte.

Maschinelles Sehen ist eine der Gründungstechniken der Industrieautomation. Sie hat geholfen die Produktqualität zu verbessern, die Produktion zu beschleunigen und die Fertigung und Logistik für Jahrzehnte zu optimieren. Diese bewährte Technik verschmilzt jetzt mit der künstlichen Intelligenz und führt den Übergang zur Industrie 4.0.

Systemarchitektur für maschinelles Sehen

Maschinelles Sehen ist ein Kernstück der Industrieautomation. Entdecken Sie das oben stehende Diagram, um zu erfahren, wie Systemkomponenten für maschinelles Sehen zusammenarbeiten, um den Betriebsablauf zu transformieren.

Wie alles begann: klassische Systeme für maschinelles Sehen

Maschinen konnten vor KI und Machine Learning „sehen“. In den frühen 1970er Jahren begannen Computer spezifische Algorithmen zu verwenden, um Bilder zu verarbeiten und Hauptmerkmale zu erkennen. Diese klassische Technik für maschinelles Sehen kann Objektkanten zur Positionierung eines Teils erkennen, Farbunterschiede erkennen, die einen Fehler anzeigen und Blobs vernetzter Pixel erkennen, die auf ein Loch hinweisen.

Klassisches maschinelles Sehen beinhaltet relativ einfache Operationen, die keine künstliche Intelligenz erfordern. Der Text muss einfach und scharf sein, wie ein Barcode. Formen müssen vorhersehbar sein und zu einem genauen Muster passen. Ein klassiches System für maschinelles Sehen kann die Handschrift nicht lesen, ein geknicktes Etikett entschlüsseln oder einen Apfel von einer Orange unterscheiden.

Dennoch hatte das klassische maschinelle Sehen eine große Auswirkung auf die Fertigung. Maschinen werden nicht müde, damit sie Fehler schneller und zuverlässiger erkennen können, als für menschliche Augen. Außerdem sind die Maschinen nicht an die Grenzen des menschlichen Sehvermögens gebunden. Kameras für maschinelles Sehen mit besonderen Anwendungen können Wärmebilder verwenden, um Wärmeanomalien und Röntgenaufnahmen zu erkennen, um mikroskopische Fehler und Metallermüdung zu erkennen.

Der Anstieg der künstlichen Intelligenz: Deep-Learning-Inferenz und industrielle Maschinenvision

Erhöhtes leistungsstarkes Edge-Computing – eingebettete und IoT-Geräte am Netzwerkrand und darüber hinaus – sowie ein wachsendes Universum von Deep-Learning-Modellen für künstliche Intelligenz (KI) erweitern maßgeblich, was maschinelles Sehen tun kann. Dieses schnelle Wachstum der Fähigkeiten führt die Transformation zu intelligenten Fabriken und Industrie 4.0.

KI erweitert die klassischen Computer-Vision-Algorithmen mit Modellen, die als neuronale Netzwerke bezeichnet werden. Wenn ein Computer ein Bild oder einen Videostream von Bildern empfängt, vergleicht die Software für maschinelles Sehen diese Bilddaten mit einem neuronalen Netzwerkmodell. Dieser Prozess namens Deep-Learning-Inferenz ermöglicht es Computern, sehr subtile Unterschiede wie kleine Abweichungen in Webmustern und mikroskopische Fehler in Platinen zu erkennen.

Um die Genauigkeit und Geschwindigkeit zu verbessern, erstellen Datenwissenschaftler spezifische neuronale Netzwerkmodelle für spezifische Anwendungen. Während dieses Prozesses, der als überwachte Schulung bezeichnet wird, überprüft ein Computer zehntausende von Proben und identifiziert sinnvolle Muster, einschließlich Muster, die ein Mensch möglicherweise nicht erkennt.

Es gibt Modelle zur Erkennung von toten und fehlfarbigen Pixeln in Displays, um Gültigkeit in Schweißnähten zu sehen und um Fäden im Gewebe zu ziehen. Natürlich werden mehr Modelle ständig entwickelt und raffiniert.

Intelligentes maschinelles Sehen und autonome Systeme

Künstliche Intelligenz erweitert maschinelles Sehen weit über die Sichtprüfung und Qualitätskontrolle hinaus. Mit intelligenter Sichtprüfung können Roboter in drei Dimensionen erkennen, Teile gegenseitig halten und die Arbeit der anderen prüfen. Sie können sogar mit menschlichen Kollegen interagieren und sicherstellen, dass sie sicher zusammenarbeiten.

Maschinen mit intelligenter Sicht können natürliche Sprachverarbeitung verwenden, um Etiketten zu lesen und Zeichen zu interpretieren. Roboter mit intelligenter Sicht können Formen verstehen, Volumen berechnen und Kartons, Lkw und sogar Versandbehälter perfekt mit minimal verschwendetem Platz packen.

Diese Verlagerung von Maschinen, die einfache Aufgaben zu autonomen Maschinen automatisieren können, die über das menschliche Auge hinweg sehen und selbst denken können, um Elemente für längere Zeiträume zu optimieren, wird die Ebene der Industrieinnovation antreiben.

Es mag wie Science-Fiction klingen, aber intelligentes maschinelles Sehen ist am Arbeitsplatz in Fabriken, Lagern und Versandzentren heute und hilft und unterstützt menschliche Mitarbeiter durch Handhabung der alltäglichen Aufgaben, damit Arbeiter ihr Fachwissen verwenden können, um sich auf die wichtigsten Teile zu konzentrieren.

Anwendungen für maschinelles Sehen

Industrielles maschinelles Sehen ist das Rückgrat der intelligenten Fertigung, Logistik und Operationen. Kameras für maschinelles Sehen, eingebettete IoT-Sensoren und Industrie-PCs können Intelligenz, Analyse und Effizienz in jeden Schritt des Fertigungsprozesses bringen.

Vorteile des maschinellen Sehens in intelligenter Fertigung

Maschinelles Sehen, das auf die Fertigung angewendet wird, kann die Produktqualität und allgemeine Systemeffizienz verbessern, indem der Durchsatz Ihrer Fertigungslinie erhöht wird, die Arbeitskosten reduziert und Ihren Mitarbeitern Zeit verschafft wird, um sich auf eine höherwertige Arbeit zu konzentrieren.

Für Audi führte die Arbeit mit Intel und Nebbiolo Technologies, die Integration von vorausschauenden Algorithmen zur Analyse und dem Machine Learning in Schweißprüfungs- und kritischen Qualitätskontrollprozessen zu einem Anstieg der Anzahl von Schweißungen, die pro Tag analysiert wurden, und reduzierten die Arbeitskosten in ihren Fabriken und ermöglichten es Audi die Verlagerung auf proaktivere Überwachung, indem sie Probleme vermeiden, anstatt auf sie einfach zu reagieren.1

„Wir konnten in unserem Werk in Neckarsulm bereits eine Reduzierung der Arbeitskosten um 30 % bis 50 % beobachten.“

Michael Häffner, Leiter Fertigungsplanung, Automation und Digitalisierung, Audi

In eng regulierten Branchen wie den Pharmabereich, bietet maschinelles Sehen konstante Prüfungen zu Produktinhalten, Verpackung und Identifizierung zur Qualitätssicherung. Wenn man sie auf Lieferketten anwendet, kann das maschinelle Sehen Elemente an jedem Punkt des Workflows automatisch scannen und registrieren, indem ein genaues, gegenwärtiges Bestandskonto bereitgestellt wird.

Intelligente Fertigung erkunden

Vorteile des maschinellen Sehens in Operationen

Verbesserungen der Arbeitergesundheit und -sicherheit ist ein wichtiger Vorteil zur Anwendung der Operationen für maschinelles Sehen. KI-gestützte Computer-Vision kann sicherstellen, dass Arbeiter die soziale Distanz aufrechterhalten und angemessene Sicherheitsausrüstungen tragen. Roboter und Geräte mit maschinellem Sehen können menschliche Aktionen interpretieren und interagieren und dadurch helfen, Unfälle zu vermeiden, bevor sie geschehen. Wenn eine Situation nicht sicher ist, können sie den Bediener warnen oder die Geräte automatisch herunterfahren, was das Risiko für Ihre Mitarbeiter und Ihr Unternehmen reduziert.

Durch kontinuierliche Analyse von Daten aus Kameras, Mikrofonen und Sensoren, eingebettet in industrielle Geräte und Maschinen, können Industrie-PCs KI verwenden, um Fehler und Verschleißerscheinungen vor Fehlern zu erkennen, damit präventive Reparaturen im Voraus geplant werden können, was unerwartete Ausfallzeiten beseitigt und die Wartungskosten im Laufe der Zeit erhöht.

In den Bereichen Bestandsverwaltung und -sicherheit kann KI Objekte in Video-Feeds ermitteln und registrieren, um eine ordnungsgemäße Verwendung und Speicher sicherzustellen, indem die Verwaltung alarmiert wird, wenn Vermögenswerte eine vordefinierte Grenze verlassen. Sicherheitskamerassysteme können aktive Sicherheitspartner werden, die dazu führen, Zugang beim Aufbau zu kontrollieren und gefährliche Szenarien identifizieren.

Weitere Informationen über KI und industrielles IoT ›

Erfahren Sie, wie Intel KI in industrielle maschinelles Sehen bringt

Maschinelles Sehen und industrielle Automatisierung zahlen sofortige Dividenden in erhöhter Produktivität, engere Qualitätskontrolle und höhere Effizienz. Als Grundbaustein von Industrie 4.0-Technologien verändert maschinelles Sehen die Fertigung, Logistik und Operationen.

Lesen Sie die neuesten Praxisbeispiele des maschinellen Sehens und erfahren Sie weitere Informationen darüber, wie Intel® Deep Learning-Modelle, Middleware und Referenzdesigns die nächste Generation von Industrie 4.0 aufbauen.

Tauchen Sie tiefer in das maschinelle Sehen ein

Sowohl Systeme für maschinelles Sehen als auch Computer-Vision-Systeme verwenden eine Kamera oder Kameras, um Videobilder oder -streams zu erfassen, die sie dann für eine automatisierte Entscheidungsfindung verarbeiten und analysieren. Der primäre Unterschied zwischen den Systemen ist die Intensität der Datenverarbeitung, die jedes System ausführt. Maschinelles Sehen verwendet programmierbare logische Steuerungseinheiten, um Bilder schnell zu verarbeiten und analysieren, um einfache Entscheidungen zu treffen, während Computer-Vision PC-basierte Prozessoren zur stabileren Bildverarbeitung verwendet, wodurch es sich besser zur Identifizierung und Vorhersage von Tendenzen oder Analyse einer größeren Anzahl von Variablen macht.

Klassische Computer-Vision verwendet separate Algorithmen zur Identifizierung bestimmter Formen. Es ist stabil, ausgereift und ideal zur Identifizierung leicht zu unterscheidender Objekte.

KI-basierte Computer-Vision verwendet Deep-Learning-Modelle – trainierte neuronale Netzwerke – um Objekte, Mängel, Handschrift und andere organische, schwer zu unterscheidende Formen zu erkennen.

Roboter können programmatisch gesteuert werden, um separate Aufgaben zu beenden, wie die Auswahl eines Teils an einem genauen Ort. Für diese Arten von Aufgaben führt der Roboter nur ein vorgeplantes Programm aus.

Bei der Ergänzung einer Kamera und dem grundlegenden maschinellen Sehen, kann ein Roboter fortschrittlichere Aufgaben ausführen, wie die Ausrichtung von zwei Rändern oder die Identifizierung einfacher Fehler.

Wenn KI der Gleichung hinzugefügt wird, erhält der Roboter die Fähigkeit zu „sehen“, analysieren und anpassen der Aktionen, die er wahrnimmt. Beispielsweise könnte ein Schweißroboter Teile ausrichten, eine Schweißung festzulegen und die Ergebnisse zu untersuchen.