Computer Vision

Computer Vision macht den Seh-Sinn auch für Maschinen zugänglich.

Das Sehen gilt nicht umsonst als unser wichtigster Sinn: Etwa ein Viertel des menschlichen Gehirns beschäftigt sich mit der Wahrnehmung und Interpretation von Licht. Computer Vision macht diesen Sinn auch für Maschinen zugänglich. Anders als beim Menschen kommen die Bilddaten aber aus den unterschiedlichsten Quellen, wie z.B. Dokumentenscannern, Smartphones, Filmkameras, Hochleistungs-Industriekameras oder bildgebenden Verfahren aus der Medizintechnik. Die Sensoren sind dabei nicht auf das sichtbare Licht beschränkt, sondern erfassen Infrarotstrahlung und Mikrowellen ebenso wie Röntgenwellen und UV. Dazu kommen eine große Bandbreite an örtlicher Auflösung, von wenigen Mikrometern pro Pixel in der Mikroskopie bis zu mehreren Metern pro Pixel in Bildern von Satelliten. Dieser unglaublichen Vielfalt steht eine nicht minder beeindruckende Vielfalt an verarbeitenden Methoden von klassischer Bildverarbeitung bis hin zu Deep Learning gegenüber. Wir helfen Ihnen, den Überblick zu bewahren!

Für inovex dient Computer Vision einerseits als erster Abschnitt einer längeren Pipeline: etwa als Datenquelle für Natural Language Processing oder zur Umgebungswahrnehmung für Augmented Reality, autonomes Fahren und zur Robotersteuerung. Andererseits ist Computer Vision auch der primäre Treiber eigenständiger Use Cases wie bei der Qualitätskontrolle industrieller Fertigung, der Sortierung von Recyclingströmen oder der Suche in großen Bild- und Videoarchiven. Typische Einsatzgebiete für Computer Vision sind zum Beispiel in der Landwirtschaft und Industrie, Logistik und Handel sowie in Medizintechnik und Fernerkundung.

Computer Vision für Landwirtschaft und Industrie

Als automatische optische Inspektion ermöglicht Computer Vision schnelle, reproduzierbare und vollständige Qualitätssicherung von Produktionsgütern, egal ob zur Eingangs-, Zwischen- oder Endkontrolle. Produktionsprozesse werden rund um die Uhr überwacht, um mögliche Fehler früh zu erkennen und zu beheben.

Die Technologie findet in vielen industriellen Prozessen branchenübergreifend Anwendung. Bei der Platinenbestückung verifiziert optische Inspektion beispielsweise Lage und Typ von Bauteilen und prüft Lötstellen auf Qualität und Vollständigkeit. Die automatische Erkennung von Kratzern, Dellen, Rissen und anderen Defekten ermöglicht die Bewertung von Oberflächen von z.B. Karosserien aber auch von Fliesen oder Stoffen. Ähnliche Techniken werden bei der Medikamentenherstellung eingesetzt, um beschädigte Tabletten und unvollständig oder falsch bestückte Tablettenblister zu erkennen. In der Lebensmittelindustrie überwacht optische Inspektion das Wachstum von Pflanzen und erkennt durch die Bewertung des Reifegrads von Früchten den optimalen Erntezeitpunkt. Nach der Ernte können verschimmelte oder verfaulte Früchte frühzeitig erkannt und aussortiert werden. Imker können die Gesundheit und Größe ihrer Bienenvölker überwachen und Tierzüchter erkennen erkrankte Tiere oder problematisches Verhalten einzelner Individuen.

Viele dieser Einsatzgebiete werden durch maschinelles Lernen vereinfacht oder überhaupt erst möglich. Das gilt insbesondere dann, wenn neuartige Sensoren wie Multi- und Hyperspektralkameras zum Einsatz kommen, die Rückschlüsse auf die chemische Materialzusammensetzung erlauben, aber deren Daten sich der menschlichen Erfahrung entziehen.

Computer Vision für Logistik und Handel

Logistik und Handel bieten ebenfalls viele Ansatzpunkte für Computer Vision. Versanddienstleister setzen schon lange auf computergestützte Adresserkennung, um die Paketverteilung zu automatisieren. Mit modernen Machine-Learning-Methoden werden  Verpackungsroboter in die Lage versetzt, individuelle Bestellungen zusammenzufügen oder zu überprüfen, ob ein Paket vollständig und mit den richtigen Produkten befüllt ist. Ähnliche Algorithmen ermöglichen die regelmäßige automatische Inventur großer Lager. Gekoppelt mit Vorhersagen über zukünftige Produktnachfrage mittels klassischer Data Science kann so ein Teil der Lagerhaltung automatisiert werden.

Mit Optical Character Recognition und inhaltsbasierter Bildersuche werden digitalisierte Kataloge erforschbar und bereit für den Einsatz sowohl für Marktforschungszwecke als auch von Endkunden, um z. B. das Auffinden passender Ersatzteile zu erleichtern. Im Fashion-Bereich können zudem mittels Fotos passende Kleidungsstücke vorgeschlagen und virtuell anprobiert werden.

Computer Vision für die Fernerkundung

Computer Vision hilft auch bei der Auswertung von Bildern, die aus weiter Entfernung aufgenommen wurden. Besucherströme auf Großevents können mittels Luftbildern analysiert werden, um Verkehrswege optimal zu planen, oder um potentielle Gefahrenstellen zu erkennen und darauf zu reagieren, bevor der Schadensfall eintritt. Solche Bilddaten erlauben auch die Überwachung des Zustands kritischer Infrastruktur wie Schienen, Straßen, und Wasserwegen oder Stromtrassen. Ebenso lassen sich Bodenbedeckungen wie Wasser, Wald, Gras, Gestein oder versiegelte Flächen klassifizieren und erlauben dadurch die Vorbereitung auf Bauprojekte. In Verbindung mit multispektraler Bildgebung kann die Gesundheit landwirtschaftlich genutzter Flächen überwacht werden, wodurch auch Veränderungen der Gewässerqualität oder Waldschwund durch illegale Abrodung erkannt werden.

Unser Angebot an Sie

Konnten Sie Ihre Anwendung in den beschriebenen Szenarien wiedererkennen oder haben Sie Ideen für neue Produkte bekommen? Dann kontaktieren Sie uns gerne! Unser Angebot reicht von Machbarkeitsstudien und Entwicklung eines Proof of Concepts (POC) bis hin zu vollständigen Lösungen für den produktiven Einsatz. Dabei bieten wir nicht nur die Entwicklung des Verfahrens, sondern begleiten Sie bei der Umsetzung der kompletten Lösung.

Sollten Sie noch unentschlossen sein und weitere Inspiration benötigen, so stehen wir Ihnen gerne mit Beratungs- und Schulungsleistungen zur Seite.

Wie können wir Sie unterstützen?

Nehmen Sie mit uns Kontakt auf – einfach per Telefon oder E-Mail.

Wir freuen uns auf Ihre Nachricht!


Weitere Themen:

Stefan Igel

Ich freue mich auf Ihre Nachricht!

Stefan Igel

Führungsteam Data Management & Analytics

inovex Blog

Matthias Richter | 13.08.2019

Digitize your Receipts using Computer Vision

“Would you like the receipt?” — It’s hard to say no to that. Not because you actually want it (you may even throw it in the trash before exiting the store), but because doing otherwise might hurt the feelings of the cashier. But if you take a closer look, you will discover that a receipt carries all kinds of wonderful information. [...]

Blog-Artikel lesen

inovex Blog

Robin Baumann | 28.02.2020

3D Deep Learning with TensorFlow 2

The world that we interact with each and every day is three-dimensional, but the majority of deep learning models process visual data as 2D images. However, there are some neural network architectures that are capable of processing 3D structures directly. An early approach was presented at the Conference on Computer Vision and Pattern Recognition (CVPR) in 2017 and is called PointNet. [...]

Blog-Artikel lesen

inovex Blog

Sebastian Blank

Deep Learning Fundamentals

There has always been a gap between the capabilities of men and machine. While computers were able to perform complex multiplications or store large amounts of data, humans beat them on rather intuitive tasks like natural language or perception. [...]

Blog-Artikel lesen

inovex Blog

Yavuz Arslan

MLaaS: Maschinelles Lernen in der Cloud

Cloud Computing gewinnt durch sein flexibles Bereitstellungsmodell immer größere Bedeutung. Von Software (SaaS),Plattformen (PaaS) bis hin zur IT-Infrastruktur (IaaS) wird ein weites Spektrum an Diensten angeboten, die Unternehmen in der immer schneller werdenden Digitaler Transformation unterstützen sollen. Eine neue Sparte bildet Machine learning as a service (MLaaS), welches Unternehmen eine einfache Möglichkeit bietet Daten zu verarbeiten, Modelle zu trainieren und Prognosen zu erstellen. In diesem Artikel werden die Angebote von vier der größten Cloud Anbieter vorgestellt: Google Cloud Platform (GCP), Amazon Web Services (AWS), Microsoft Azure und IBM Cloud/Watson. [...]

Blog-Artikel lesen