Startseite » KI »

Anomalien mit Deep Learning gezielt identifizieren

Deep Learning für die Qualitätssicherung
Anomalien mit Deep Learning gezielt identifizieren

MVTec_Bild_2.jpg
Das Halcon-Feature Anomaly Detection erkennt Defekte, die im Vorfeld nicht bekannt sind. Bild: MVTec
Anzeige
Deep-Learning-Technologien erhöhen die Erkennungsraten in der industriellen Bildverarbeitung. Mit einem neuen Verfahren in MVTecs Halcon-Software lassen sich Anomalien einfacher aufspüren.

Moderne Lösungen für die industrielle Bildverarbeitung kommen heute nicht mehr ohne künstliche Intelligenz (KI) aus. Dazu zählt vor allem Deep Learning auf Basis von Convolutional Neural Networks (CNNs). Die Technologie lernt durch Training eigenständig dazu. Dabei werden aber je nach Anwendung mindestens 300 Bilder pro Klasse benötigt, auf denen das jeweilige Objekt mit dem Defekt zu sehen ist, etwa eine Delle, einen Kratzer, einen Riss oder eine sonstige Anomalie.

Gerade wenn verschiedene Fehlertypen möglich sind, ist es aber oft nicht einfach, die benötigte Anzahl von Schlecht-Bildern zu sammeln, da einzelne Fehlertypen manchmal nur selten in der Produktion vorkommen. Hinzu kommt der Aufwand, all diese Bilder zu labeln. MVTec hat daher in die Machine-Vision-Standardsoftware Halcon seit der Version 19.11 ein Feature eingebaut, mit dem sich Anomalien schneller und einfacher erkennen lassen.

Weniger Trainingsdaten

So benötigt die Technologie Anomaly Detection eine weitaus geringere Menge an Trainingsdaten – verglichen mit traditionellen Deep-Learning-Verfahren: Lediglich 20 bis maximal 100 Bilder reichen für ein umfassendes Training des Netzes aus. Ein weiterer Vorteil: Anomaly Detection erfordert keine Schlecht-Bilder, wodurch der Aufwand für das Labeln der Trainings-Daten gänzlich entfällt. Als Trainingsbilder dienen dabei Motive, die das zu prüfende Objekt in einwandfreiem Zustand zeigen. Der Aufwand für den Trainingsprozess verringert sich dadurch signifikant. Die Zeit, die für das Training eines Modells benötigt wird, liegt nur im Minutenbereich.

MVTec Software GmbH

www.mvtec.com/de


Die Mehrwerte im Überblick:

  • Es werden keine Schlecht-Bilder für das Training benötigt
  • Der teils enorme Labeling-Aufwand entfällt
  • Die Trainingszeiten sind sehr gering
  • Position und Ausmaß eines Fehlers/einer Anomalie, können exakt ermittelt werden
  • Es werden auch Fehler gefunden, deren Aussehen vorab nicht bekannt ist
Anzeige
Aktuelle Ausgabe
Titelbild Automationspraxis 2
Ausgabe
2.2021
LESEN
ABO
Schlagzeilen
Newsletter

Jetzt unseren Newsletter abonnieren

Kalender

Aktuelle Termine für die Automatisierungsbranche

Whitepaper

Whitepaper aller unserer Industrieseiten

Alle Webinare & Webcasts

Webinare aller unserer Industrieseiten

Anzeige

Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de