Deep Learning wird in der industriellen Bildverarbeitung anwendertauglich

IDS hat eine Lösung entwickelt, mit der Anwender ohne Programmierkenntnisse KI-basierte Bildverarbeitung realisieren und auf Kameras einsetzen können. Dies eröffnet Deep Learning neue Einsatzgebiete in der Bildverarbeitung, die zuvor nur mit viel Aufwand oder gar nicht lösbar waren.

Der wesentliche Unterschied von der KI-basierten zur regelbasierten Bildverarbeitung liegt in der Art und Weise, wie und von wem Bildmerkmale identifiziert werden und wie das erlernte Wissen repräsentiert wird. Beim klassischen beziehungsweise „symbolischen Ansatz“ liegt es in der Hand eines Bildverarbeitungsspezialisten, die für ihn ausschlaggebenden Bildmerkmale zu selektieren und bestimmten Regeln folgend zu beschreiben.

Viele Zeilen Quellcode sind erforderlich, um detailliert festzulegen, wie eine gegebene Aufgabe zu lösen ist. Denn nur das, was die Regeln abdecken, kann die auch Software erkennen. Die spätere Ausführung erfolgt in festgelegten Grenzen ohne Interpretationsspielraum.

Ganz anders ist das Vorgehen bei der Arbeit mit neuronalen Netzen. Deren Vorteil liegt genau darin, selbständig zu lernen, welche Bildmerkmale wichtig sind, um daraus die richtigen Schlussfolgerung zu treffen. Wir sprechen dann vom „nicht-symbolischen Ansatz“, da das Wissen nur implizit vorliegt und keinen Einblick in die erlernten Lösungswege zulässt. Welche Merkmale gespeichert, wie sie gewichtet und welche Schlussfolgerungen getroffen werden, beeinflussen lediglich die Menge und die Inhalte der Trainingsbilder.

Deep-Learning-Algorithmen erkennen und analysieren die vollständigen Bildinhalte und setzen erkannte Merkmale je nach Häufigkeit des Auftretens in Beziehung mit den zu lernenden „Begriffen“. Die statistische Häufigkeit erzeugt beim Training das, was wir Erfahrung nennen.

Für die Entwicklung von Maschine Vision Anwendungen auf KI-Basis ist demnach ein Umdenken erforderlich. Es ist wichtig zu verstehen, dass die Qualität der Ergebnisse – sprich die Geschwindigkeit und Zuverlässigkeit in der Erkennung von Objekten – davon abhängt, was ein neuronales Netz erkennt und daraus schlussfolgert. Hier spielt das Wissen des entsprechenden Facharbeiters eine ganz entscheidende Rolle, der die geeigneten Datensätze für das Training mit möglichst vielen unterschiedlichen Beispielbildern mitsamt den zu lernenden Begriffen bereitstellen muss. Die Verantwortung, die beim klassischen Ansatz bei einem Bildverarbeitungsspezialisten lag, übernimmt beim Machine Learning ein Datenspezialist.

Doch welche (neuen) Fähigkeiten werden benötigt, um Machine Learning ins eigene Unternehmen zu bringen? Bricht man die Entwicklung einer KI-Anwendung in einzelne Schritte herunter, offenbaren sich Aufgaben und Begrifflichkeiten, die – verglichen mit dem klassischen Ansatz – neu zu lernen sind. Der Umgang und die Vorbereitung der Bilddaten sowie das Training neuronaler Netze erfordern völlig neue Tools und Entwicklungsframeworks, die auf einer geeigneten PC-Infrastruktur installiert und ausgeführt werden müssen. Und obwohl notwendige Anleitungen und Open-Source-Quellen bei Cloud-Anbietern oder auf Plattformen wie Github in der Regel frei zur Verfügung stehen, liefern sie lediglich die rudimentären Basiswerkzeuge, deren Verwendung eine hohes Maß an Erfahrung voraussetzen. Und nicht nur die Erstellung, sondern auch für die Ausführung und Bewertung der Trainigsergebnisse auf einer geeigneten Hardwareplattform erfordert Verständnis und Wissen über Hardware, Software und deren Schnittstellen.

Sofort loslegen mit der
Maschine-Learning-Komplettlösung

Mit einer Inferenzkamera-Komplettlösung kombiniert IDS Deep-Learning-Erfahrung und Kameratechnik. Jedem Anwender wird damit der Soforteinstieg in die KI-basierte Bildverarbeitung ermöglicht. Mit NXT Ocean ebnet IDS die Einstiegshürde und stellt einfach nutzbare Werkzeuge bereit, mit denen ohne viel Vorwissen Inferenzaufgaben in wenigen Minuten erstellt und sofort auf einer Kamera ausgeführt werden können. Das Konzept basiert auf drei wichtigen Komponenten:

einer einfach bedienbaren Trainingssoftware für neuronale Netze und
einer intelligenten Kameraplattform
inklusive eines KI-Beschleunigers, der die neuronalen Netze hardwareseitig ausführt.

Alle Komponenten hat IDS selbst entwickelt und optimal aufeinander abgestimmt. Das macht es für den Anwender einfach und das Gesamtsystem sehr leistungsfähig. Die cloud-basierte Trainigssoftware NXT Lighthouse führt Schritt für Schritt durch die Datenvorbereitung bis zum Training der künstlichen Intelligenz in Form eines neuronalen Netzes. Der Anwender kommt dabei niemals in Kontakt mit irgendwelchen Basiswerkzeugen oder muss sich mit der Installation von Entwicklungsumgebungen auseinandersetzen. Als Webanwendung ist NXT Lighthouse sofort einsatzbereit. Dem Anwender stehen für all seine Projekte genügend Speicherplatz und ausrechend Trainings-Performance in einem einfach bedienbaren Workflow zur Verfügung. Einloggen, Trainingsbilder hochladen, labeln und anschließend das gewünschte Netz trainieren. Kunden profitieren von der Rechenzentrums- und Netzwerkarchitektur von deutschen Servern der Amazon Web Services (AWS), die speziell eingerichtet wurde, um sehr hohe Anforderungen an Datenschutz und -Sicherheit zu erfüllen.

Mit wenigen Konfigurationseinstellungen spezifiziert der Anwender in einfachen Dialogen die Anforderungen für Geschwindigkeit und Genauigkeit an seine Anwendung. Netzauswahl und Einrichtung der notwendigen Trainingsparameter nimmt NXT Lighthouse daraufhin völlig selbständig vor. Die Trainingsergebnisse vermitteln dem Anwender bereits eine gute Vorhersage über die Qualität der trainierten Intelligenz und ermöglichen so ein schnelles Ändern und Wiederholen des Trainingsprozesses. Das System wird kontinuierlich verbessert und ausgebaut. Ohne Update und Wartungsphasen einplanen zu müssen, steht Jedem immer die aktuellste Version der Software zur Verfügung.

Für einen schnellen Erfolg sorgt das nahtlose Zusammenspiel mit den NXT-Kamerafamilien Rio & Rome. Fertig trainierte neuronale Netze werden direkt auf die Kameras hochgeladen und durch den selbst entwickelten KI-Core namens Deep Ocean Core hardwarebeschleunigt ausführt. Das macht die vollwertigen Industriekameras zu leistungsstarken Inferenzkameras.

Durch die gute Abstimmung von Hardware und Software kann der Anwender die maximale Inferenzzeit zudem selbst vor dem Training bestimmen, denn NXT Lighthouse berücksichtigt beim Training die KI-Core-Performance der Kameras. Damit erwarten den Anwender bei der späteren Ausführung der Inferenz keine Überraschungen, wodurch zeitraubendes Nachjustieren und Nachtrainieren entfällt.

Mit NXT Ocean können sich Anwender vollständig auf die Lösung Ihrer Anwendung konzentrieren, ohne das Wissen über Lernmethoden und künstliche Intelligenz selbst aufbauen zu müssen. ■

IDS Imaging Development Systems GmbH
Dimbacher Str. 6–8
74182 Obersulm
Tel. +497134961960

www.ids-imaging.com