Die Zukunft der Bildverarbeitung, Teil 2
Embedded Vision und KI gehen miteinander einher
Fortsetzung des Artikels von Teil 3
Dr. Martin Klenke und Bruno Menard, Teledyne: »KI wird kontinuierliches Lernen ermöglichen«
Embedded-Vision-Systeme bieten sich vor allem für Anwendungen an, in denen es auf Kompaktheit sowie Adaptions- und Integrationsfähigkeit ankommt. Künstliche Intelligenz macht die Systeme präziser und wird Maschinen in zunehmendem Maße kontinuierliches Lernen ermöglichen. Zwei Experten von Teledyne äußern sich dazu.
Elektronik: Welche Bedeutung wird Embedded Vision in der Bildverarbeitung künftig erlangen? In welchen Anwendungen wird Embedded Vision zu finden sein?
Dr. Martin Klenke, Director Business Development bei der Teledyne Vision Solution Group: Embedded-Vision-Technologien werden auch in Zukunft einen immer größeren Bereich in der Machine-Vision-Applikationswelt einnehmen.
Embedded-Systeme, das heißt intelligente Bildverarbeitungssysteme mit eigener Prozessorkapazität, werden künftig immer mehr komplexe Aufnahmen übernehmen können, besonders dann, wenn regelbasierte und KI-Softwareanalyseverfahren kombiniert werden müssen.
Die zukünftige Bedeutung von Embedded-Vision-Systemen ist in ihrer Gänze noch nicht abzusehen. Applikationsgerecht werden sie immer dort eingesetzt werden, wo eine klar umschriebene Aufgabe auf sehr geringem Raum integriert werden muss. Als Kenngrößen sind dabei besonders die Adaptionsfähigkeit, die Integrationsfähigkeit und die Bildqualität bei hohen Bandbreiten wesentlich.
Es wird in Zukunft immer wichtiger werden, anstelle generalisierter Allround-Kamerasysteme spezialisierte, hochgenaue Lösungen anzubieten, die sich leicht auf den jeweiligen Anwendungszweck einstellen und integrieren lassen. Wichtige Zielmärkte hierfür sind Logistik, Transportwesen und Medizintechnik, aber auch die Echtzeit-Automatisierung. In diesem Zusammenhang wird sich ein allgemeiner Trend etablieren, der einerseits sehr preisgünstige Embedded-Vision-Systeme mit Technologien aus Smartphone-Komponenten und andererseits Hochleistungs-Subsysteme mit Onboard-Bildverarbeitungsmöglichkeiten hervorbringen wird. In den aktuell stark nachgefragten Bereichen Elektromobilität und Verkehrslenkung sowie Überwachungs- und Sicherheitssysteme werden Embedded-Vision-Systeme das dominierende technische Lösungsverfahren.
Welche Rolle wird künstliche Intelligenz in der Bildverarbeitung künftig spielen, und welche Aufgaben wird sie erfüllen?
Bruno Menard, Software Director bei der Teledyne Dalsa Vision Solution Group: Die Fortschritte im Bereich künstliche Intelligenz und Deep Learning haben die Art und Weise verändert, wie wir Waren herstellen und wie die Qualitätsprüfung in der Fertigungsindustrie eingesetzt wird. Systeme auf KI-Basis bieten ein Maß an Robustheit und Genauigkeit, das in der Vergangenheit mit regelbasierten Systemen nicht erreicht wurde. Und das ist erst der Anfang dessen, was wir mit diesen neueren Bildverarbeitungstechniken erreichen können. Sobald wir in der Lage sind, „kontinuierliches Lernen“ für Maschinen im Feld zu ermöglichen, werden wir Geräte haben, die zur Laufzeit automatisch lernen. Durch die Anpassung eines bestehenden Modells an einen veränderten Kontext befreit kontinuierliches Lernen das Entwicklungsteam vom obligatorischen vollständigen Neutrainieren des Modells im Labor und spart so unzählige Arbeitsstunden. Ein gutes Beispiel für diesen Ansatz ist die Fehlerprüfung in einer Produktionslinie (z.B. bei PCB-Komponenten). Wir können das anfängliche Modell mit Bildern trainieren, die eine Sammlung bekannter Fehler darstellen. Sobald es im Feld seinen Dienst tut, setzt der kontinuierliche Lernalgorithmus ein und passt das Modell an, wenn neue Fehler entdeckt werden.
KI eignet sich gut für Anwendungen, bei denen eine qualitative Analyse erforderlich ist, etwa das Auffinden und Identifizieren von Gut- und Schlechtteilen, das Sortieren von Objekten unterschiedlicher Art oder die Klassifizierung von Fehlern nach Typ. In solchen Fällen ist die KI den traditionellen Techniken überlegen.
Die traditionelle Bildverarbeitung spielt jedoch auch heute noch eine wichtige Rolle, wenn es um quantitative Messungen geht, etwa bei hochpräzisen Subpixel-Messungen. Aus diesem Grund wird beim Aufbau eines kompletten Bildverarbeitungssystems häufig eine Kombination aus KI und traditionellen Techniken empfohlen. So kann es beispielsweise sinnvoll sein, Leiterplattenkomponenten mit KI zu identifizieren und grob zu lokalisieren und dann mit klassischer Bildverarbeitung präzise Dimensionsmessungen an jeder dieser Komponenten vorzunehmen - alles in derselben Anwendung.
- Embedded Vision und KI gehen miteinander einher
- Yonatan Hyatt, Inspekto: »KI wird immer leichter anzuwenden«
- Christoph Wagner, MVTec Software: »Edge-Cloud-Techniken fördern Embedded-Lösungen«
- Dr. Martin Klenke und Bruno Menard, Teledyne: »KI wird kontinuierliches Lernen ermöglichen«
- Jan-Erik Schmitt, Vision Components: »Embedded Vision spart Zeit und Kosten«
