Sie sind hier: HomeFeldebeneBildverarbeitung

Deep Learning: Open Source oder proprietär?

KI-basierte Technologien wie Deep Learning sind schon oft Bestandteil von Machine-Vision-Lösungen. Dabei stellt sich die Frage, ob ein Open-Source-System den eigenen Anforderungen genügt, oder ob die Investition in eine proprietäre ­Software-Lösung lohnt. Eine Abwägung.

Open-Source-System, MVTec Bildquelle: © MVTec

Als ‚Auge der Produktion‘ beobachtet und überwacht die industrielle Bildverarbeitung (Machine Vision) Fertigungsabläufe in Echtzeit. Die dabei generierten, digitalen Bilddaten werden von einer integrierten Machine-Vision-Software verarbeitet und für unterschiedlichste Aufgaben in der Prozesskette bereitgestellt. So können etwa Gegenstände aufgrund optischer Merkmale zielsicher erkannt und genau positioniert werden. Ebenso detektiert die Technologie fehlerhaft gefertigte Produkte und ermöglicht damit deren automatisierte Aussortierung, was die Prozesse in der Qualitätssicherung optimiert.

Heute fließen mehr und mehr moderne Verfahren der künstlichen Intelligenz (KI) in Machine-Vision-Systeme ein. Zu nennen sind hier vor allem Deep-Learning-Verfahren, die auf Convolutional Neural Networks (CNNs) basieren. Hierbei werden sehr große Mengen an digitalen Bildinformationen für einen weitreichenden Trainingsprozess genutzt, aufgrund dessen die Software später selbstständig neue Objekte klassifizieren kann. Im Rahmen des Trainings werden spezifische Besonderheiten und Merkmale automatisch angelernt, die typisch für eine bestimmte Objektklasse sind. So lassen sich neue Bilddaten sowie die darauf abgebildeten Objekte exakt ihrer jeweiligen Klasse zuordnen, was sehr hohe und robuste Erkennungsraten ermöglicht. Zudem eignen sich diese Deep-Learning-Algorithmen für eine präzise Lokalisierung von Objekten und Defekten.