KI-basierte Vision-Systeme: Benutzerfreundlichkeit und Effizienz in der industriellen Bildverarbeitung

Intelligente Kameras erkennen und verarbeiten dank Machine Learning Bilder von Zahnrädern mit unterschiedlichen Merkmalen anhand nur weniger Trainingsdaten. (Bilder: IDS Imaging Development Systems GmbH)

Industriekameras werden heute bereits in einer Vielzahl von Branchen eingesetzt: vom Geräte-, Anlagen und Maschinenbau, über die Medizintechnik bis hin zur Landwirtschaft und Logistik. KI eröffnet dabei gerade im Bereich der Machine Vision völlig neue Anwendungsfelder. So ermöglichen KI-basierte Systeme das Erkennen und Verarbeiten von Objekten mit natürlicher Varianz, wie z. B. Lebensmittel, Pflanzen oder andere organische Objekte, die mit herkömmlicher Bildverarbeitung nicht abgedeckt werden können. Hier können Farbe, Oberfläche, Größe, Gewicht oder Form große Schwankungen aufweisen.

Die KI lässt sich jedoch mit den entsprechenden Trainingsdaten so trainieren, dass ein breites Spektrum zuverlässig erkannt, kategorisiert und damit auch verarbeitet werden kann. Die Entwicklung von KI-Lösungen mit Machine Learning (ML) setzt dabei auf einen flexibleren Ansatz ohne starre Regeln. Anstatt manuell einen Programmcode zu entwickeln, durchläuft die KI beim Machine Learning einen Lernprozess, bei dem sie anhand von geeigneten Bilddaten selbst wichtige Merkmale identifiziert und mit den bereitgestellten Annotationen in Beziehung setzt. Die Auswahl dieser Daten birgt jedoch ein hohes Fehlerpotenzial. In der Praxis werden der KI teilweise Bilder mit unwichtigem Inhalt, schlechter Beleuchtung, Unschärfe oder auch falschen Labels zur Verfügung gestellt, was die Erkennungsschärfe der gewünschten Merkmale stark verfälschen kann.

Die Schlüsselkompetenzen für die Arbeit mit ML-Methoden sind also nicht dieselben wie bei der regelbasierten Bildverarbeitung – und die Bereitstellung von Hardware allein reicht dafür nicht aus. Die KI muss getestet, validiert, nachtrainiert und schließlich in die Anwendung integriert werden, um einen produktiven Workflow zu garantieren.

KI-Plattformen mit benutzerfreundlicher Software vereinfachen die Implementierung von KI-Vision-Systemen.

Für jede Aufgabe das richtige Werkzeug

Um KI-basierte Vision-Systeme zu trainieren, braucht es nicht unbedingt Systemprogrammierer:innen. Das zeigt beispielsweise IDS mit seiner Plattform IDS NXT. Die Idee dahinter: Mit den richtigen, aufeinander abgestimmten Werkzeugen kann jede Benutzergruppe das Potenzial der KI Vision voll ausschöpfen, ohne viel Zeit und Kosten in den Aufbau neuer Kernkompetenzen zu investieren. Spezialwissen für das Trainieren neuronaler Netze und das Programmieren eigener Anwendungen lassen sich für viele einfache KI-Workflows in den Werkzeugen verpacken. So kann jeder Benutzer seine individuellen Anforderungen umsetzen, ohne ein eigenes Team aus Spezialist:innen aufzubauen. Die Software stellt jeder Benutzergruppe die für ihre jeweiligen Aufgaben und Arbeitsweisen passenden Werkzeuge zur Verfügung.

Ein Großteil der gängigen Bildverarbeitungsanwendungen arbeitet mit relativ einfachen Abläufen. Bild aufnehmen, Bild analysieren, Prozessentscheidungen treffen, Aktion einleiten – Basisfunktionalitäten, die sich in wenigen Details unterscheiden und deshalb nicht jedes Mal neu programmiert werden müssen. Doch die Auswahl eines Deep Learning (DL) Use Cases, wie „Klassifikation“ oder „Objekt Detektion“, ist als Einstiegspunkt für ein Projekt oft bereits zu abstrakt, um die weiteren notwendigen Handlungsschritte für die Datenaufnahme und Vision-App-Konfiguration ableiten zu können.

IDS geht daher den Weg, die KI Vision mit IDS NXT Inferenzkameras für die breite Masse zugänglich und einfach bedienbar zu machen. Zu diesem Zweck wird die cloudbasierte Trainingsplattform für künstliche neuronale Netze (KNN) IDS NXT lighthouse um einen Anwendungsassistenten erweitert, der Vorhaben wie „Objekte zählen“ oder „Prüfstellen kontrollieren“ unterstützt. Der Assistent wählt die App-Basis für den passenden Use Case und schlägt dem Anwender die weiteren Handlungen vor. Darüber hinaus werden nützliche Hinweise, Videos oder Anleitungen angeboten. Eine derartige geführte Anwendungserstellung erinnert mehr an ein Tutorial als an klassische App-Entwicklung. Am Ende steht eine vollständig kundenspezifische Vision App zum Download zur Verfügung, die der Anwender nur noch auf einer IDS NXT-Kamera aktivieren und starten muss.

Erkennung und Verarbeitung von Objekten mit natürlicher Varianz, wie Lebensmittel, Pflanzen oder andere organische Objekte.

Ein Baukasten zum Programmieren

Für die Erstellung eigener, komplexer Abläufe bietet IDS auch die Möglichkeit einer visuellen Programmierung mithilfe eines Baukastensystems. Ein entscheidender Vorteil dieser gepuzzelten Apps ist ihre sehr dynamische Nutzung und Wartung. Eine in IDS NXT lighthouse erstellte Anwendung kann zu jeder Zeit interaktiv weiter programmiert werden – direkt in der Kamera. Sogar neue Vision Apps können dort direkt entworfen werden. Das macht diesen visuellen App-Editor zum idealen Werkzeug von der Test- und Erprobungsphase bis in den operativen Einsatz.

Als Komplettpaket einfach anwendbar

Inferenzkameras mit KI-Beschleunigern zeigen, wie effizient KI bereits eingesetzt werden kann. Auf dem Weg zu einer flächendeckenden Verbreitung sind vor allem die Hersteller gefordert, um Anwender durch benutzerfreundliche Software und integrierte Prozesse zu unterstützen. Verglichen mit den bewährten Verfahren, die sich über Jahre einen treuen Kundenstamm aufgebaut haben, gibt es für die KI noch viel Nachholbedarf. Es wird weiterhin an Standards und Zertifizierungen gearbeitet, um die Akzeptanz und Erklärbarkeit der neuen Technologie zu erhöhen. Um den Anschluss nicht zu verpassen, sollte sich letztlich jeder damit vertraut machen. Ein Embedded KI-System wie IDS NXT hilft dabei, da es mit nutzerfreundlichen Software-Werkzeugen von jeder Anwendergruppe schnell und einfach bedient werden kann – auch ohne tiefgehende Kenntnisse in Machine Learning, Bildverarbeitung oder Anwendungsprogrammierung.