CAD, konstrukce
3D tisk
CAM, CNC
PDM, MES
Architektura, stavebnictví
Mechatronika, robotika
Zpracování obrazu
Hardware
CAD, konstrukce
3D Messtechnik
Kontrola kvality pomocí umělé inteligence (AI)
Intenzivně se zabýváme strojovým učením – podoblastí umělé inteligence.
Naše strojové učení vychází z oblasti klasického zpracování obrazu a také se točí kolem zpracování obrazových dat.
Můžeme také realizovat složitější úlohy, které vyžadují kombinaci klasických algoritmů a strojového učení nebo kombinaci různých zdrojů dat (analýza několika snímků objektu, integrace dalších dat ze senzorů nebo vstupů od uživatele).
- Klasifikace
- Multimodální zpracování dat
- Detekce a lokalizace objektů
- Detekce anomálií
Klasifikace
- Diferenciace do libovolných tříd (např. [dobrý , špatný] nebo [dobrý , typ chyby 1 , typ chyby 2]).
- Trénování na základě velkého množství trénovacích dat pro všechny třídy.
- Možnost detekce velmi jemných rozdílů.
Multimodální zpracování dat („rozšířená klasifikace“)
- Diferenciace do libovolných tříd (např. [optimální kvalita , průměrná kvalita , zmetky]).
- Trénování na základě velkého množství trénovacích dat pro všechny třídy.
- Kombinují se vstupní data z různých zdrojů, např. několik snímků z kamery, další informace o výrobku, jako je barva, tvar nebo hmotnost, nebo údaje zadané uživatelem.
- Možnost kombinace různých algoritmů.
- Rozpoznání rozdílů, které je možné pouze na základě kombinace různých údajů. Je možná kontrola celého výrobku (např. celého povrchu prostřednictvím několika snímků, které se vyhodnocují společně).
Rozpoznávání a detekce
Detekce a lokalizace objektů
- Rozpoznávání předmětů včetně určování jejich polohy.
- Trénování na základě tréninkových dat všech objektů.
- To umožňuje mimo jiné kontrolu přítomnosti nebo počítání objektů.
Detekce anomálií
- Rozlišení mezi „normálními“ a „anomálními“ daty.
- Trénink se obvykle provádí s malým množstvím normálních a abnormálních dat. Pokud to není možné jinak, je možné trénovat na základě 100 % normálních příkladů.
- V závislosti na stupni anomálií je možná střední až dobrá přesnost detekce.
Často kladené otázky (FAQ)
Was ist der Unterschied zwischen klassischer Bildverarbeitung und dem Machine Learning Ansatz?
Při klasickém zpracování obrazu člověk určí určité charakteristiky hodnocení a naprogramuje odpovídající algoritmus založený na pravidlech.
Použití strojového učení automatizuje výběr vhodných hodnotících charakteristik. Jinými slovy, algoritmy se pomocí trénovacích dat učí, které vlastnosti jsou pro hodnocení důležité. To umožňuje řešit složité úlohy, v nichž je třeba kombinovat a zohlednit velké množství znaků.
Welchen Vorteil hat der Kunde durch Machine Learning?
Strojové učení nabízí nové způsoby řešení úloh, které byly ještě před několika lety považovány za neřešitelné nebo příliš nákladné.
