Vision 2018 in Stuttgart Vision: Deep Learning – Feuerwerk erwartet

Auf der Vision in Stuttgart, welche vom 6. bis 8. November stattfinden wird, erwartet die Besucher das komplette Spektrum der Bildverarbeitungstechnologie. Im Fokus werden die zwei Mega­trends Embedded Vision und Deep Learning stehen.

Anbieter zum Thema

FAULHABER SA

DMB Technics AG

FACTUREE - Der Online-Fertiger

Nicht weniger als das «komplette Spektrum der Bildverarbeitungstechnologie» wird an der Vision gezeigt – und dazu gehören auch die Megatrends Embedded Vision und Deep Learning. Mit Embedded Vision wandert die Intelligenz der Bildverarbeitung aus den externen PCs hinein in die Geräte. Grosse Treiber der Embedded-Vision-Technologie sind derzeit etwa das autonome Fahren, aber auch integrierte Gesichts- und Objekterkennung in Smart Cameras oder Überwachungskameras. In der industriellen Bildverarbeitung können damit beispielsweise intelligente Kameramodule in Maschinen oder Roboter integriert werden und werden so zum unverzichtbaren Bestandteil bei der Realisierung der Smart Factory.

Neuland Deep Learning

Angetrieben von immer schnellerer Rechenleistung und methodischen Durchbrüchen, hat sich Deep Learning in den vergangenen Jahren in der Bildverarbeitungsbranche zu einem Megatrend entwickelt, der auch die Vision 2018 prägen wird. Florian Niethammer von der Messe Stuttgart, Projektleiter der Messe, zeigt sich angesichts dieser technischen Entwicklungen überzeugt, dass die Vision eine der spannendsten Messeausgabe überhaupt wird: «Es wird extrem aufregend zu sehen, wie die Aussteller das Trendthema Deep Learning bespielen und mit etablierter Bildverarbeitung sowie Embedded Vis­ion verknüpfen. Ganz nach unserem Kampagnenmotto ‹be visionary› erwarten wir in Stuttgart ein Feuerwerk an neuen Produkten und Lösungen, von denen viele noch vor zwei Jahren auf der letzten Vision nicht einmal angedacht waren.»

Machine Learning - Chancen und Risiken durch künstliche Intelligenz

Technologietrends 2018

Die Top Technologietrends für 2018 in der Industrie - Teil 1

Deep-Learning-Systeme als ein Teilbereich von Machine Learning und Künstlicher Intelligenz haben einen grundlegend anderen technologischen Ansatz als die derzeit etablierte Bildverarbeitungstechnik: «Sie setzen neuronale Netze ein und ihr Name bezieht sich auf die meist hohe Anzahl verborgener Schichten im neuronalen Netzwerk», erläutert Vision-Aussteller und CEO von Irida Labs, Vassilis Tsagaris. Systeme, die auf Deep Learning basieren, zeichnen sich dadurch aus, «dass grosse Mengen an digitalen Bilddaten analysiert und damit Modelle von bestimmten zu erkennenden Objekten trainiert werden», ergänzt Dr. Olaf Munkelt, Geschäftsführer der MVTec Software GmbH. «Mithilfe dieser Trainingsdaten lernt der Klassifikator dann, zwischen den eingegebenen Klassen zu unterscheiden», so der langjährige Aussteller weiter.

Flexible Entscheidungen als Vorteil

«Die Stärke von Deep Learning liegt darin, dass ein solcher Ansatz flexibler entscheiden kann als ein Satz vorgegebener Regeln in konventionellen Bildverarbeitungs-Systemen», betont Volker Gimple, Gruppenleiter Bildverarbeitung bei der Stemmer Imaging AG. Dr. Klaus-Henning Noffz, Geschäftsführer von Silicon Software, ergänzt: «Deep Learning punktet immer dann, wenn Prüfobjekte grosse Variationen aufweisen und schwer mathematisch modellierbar sind.»

Deep Learning kann somit überall dort eine Alternative sein, wo konventionelle Bildverarbeitungssysteme an ihre Grenzen stossen: «Deren grössten Herausforderungen sind ein sich veränderndes optisches Umfeld, die immer grössere Produktvielfalt sowie die Komplexität des Bildes selbst», sagt Hanjun Kim, Marketing Manager bei Sualab. «Auch in Bereichen, wo Bildverarbeitung bereits implementiert ist, kann der zusätzliche Einsatz von Deep Learning Genauigkeit und Geschwindigkeit des Prüfvorgangs drastisch beschleunigen.» Der südkoreanische Softwarespezialist stellt auf der Vision zum ersten Mal aus und plant die Vorstellung seiner Deep-Learning-Machine-Vision-Inspektionssoftware «SuaKIT v2.0».

Bereits vielfältige Anwendungen

Eingesetzt wird Deep Learning heute bereits in Anwendungen, wo Bildverarbeitung eine Klassifizierung des untersuchten Objekts vornimmt. Dr. Klaus-Henning Noffz beschreibt eine Anwendung aus dem Automobilbau: «Selbstlernende Algorithmen erkennen hier mithilfe von Deep Learning beispielsweise perfekt winzige Lackfehler, die mit blossem Auge nicht sichtbar sind.»

Auch die Nahrungsmittel- und Getränkeindustrie, ein Anwendungsbereich, der auf der Messe unter anderem mit dem Food & Beverage-Label in den letzten Jahren immer mehr Beachtung gefunden hat, profitiert von Deep-Learning-Technologien. «So können beispielsweise minderwertige Früchte und Gemüse präzise identifiziert und inspiziert werden, bevor sie verpackt oder weiterverarbeitet werden», erläutert Dr. Olaf Munkelt. Dr. Christopher Scheubel, Head of IP & Business Development bei Framos, ein Vision-Aussteller der ersten Stunde, beschreibt eine Anwendung, bei der mit Deep-Learning-Gebinde für einen Lebensmitteleinzelhändler sortiert und klassifiziert werden. SMM

(ID:45543012)