Neue Halcon-Version angekündigt | MVTec Anwender können neuronale Netze bald selbst trainieren

Zum Jahresende erscheint die neue Version der Bildverarbeitungssoftware Halcon. Mit ihr werden für Anwender erstmals Deep-Learning-Funktionen in einer Standard-Software zugänglich.

Hinter den Algorithmen zur Bildverarbeitung stecken nicht selten Konzepte aus der künstlichen Intelligenz. Die Methode ist leistungsstark, aber auch sehr komplex. Der Anwender kann, wenn er nicht zufällig selbst Programmierer mit dem Schwerpunkt künstliche Intelligenz ist, die Algorithmen auch nicht auf seine spezifischen Aufgaben anpassen.

Mit der neuen Halcon-Version wird sich das laut MVTec ändern: Der Anwender soll erstmals in die Lage versetzt werden, Convolutional Neural Networks (CNNs) selbst auf eine spezifische Aufgabe einzulernen. CNN-basierte Algorithmen bieten aktuell die Bilderkennung mit der geringsten Fehlerrate und werden häufig in Klassifikationsaufgaben eingesetzt. Beispiele sind die Unterscheidung von verschiedenen Bauteilen oder die Identifikation von Defekten an Produktionsgütern und deren korrekte Einteilung in Defektklassen.

Selbst wenn ein Algorithmus zum Ausführen einer spezifischen Klassifikationsaufgabe nicht grundlegend umgeschrieben werden muss, so ist immer ein gewisses Einlernen notwendig. Und auch das Einlernen ist laut Halcons Produktmanager Johannes Hiltner immer mit aufwändiger Programmierung verbunden. Dieses Prozedere kann sich der Anwender mit der neuen Halcon-Version ersparen. Mit ihr lassen sich »Defektklassenallein durch Referenzbilder trainieren«, sagt Hiltner. Das spare Zeit, Programmieraufwand und Kosten.

Diese Deep-Learning-Funktionen werden in einer Standard-Bildverarbeitungs-Bibliothek und mit entsprechendem Support und regelmäßigen Updates zur Verfügung gestellt. Für den Hersteller ist es ein Schritt auf dem Weg, dem Anwender den Umgang mit selbstlernender und KI-basierter Bildverarbeitung zu erleichtern. Kurz gesagt, es geht um Deep-Learning out of the box.