8-2018

Aktuelles
VISION 2018: Deep Learning Feuerwerk erwartet
Aussteller präsentieren Stand der Deep Learning Technologie auf der VISION 2018/ Ergänzung und Alternative
zur etablierten Bildverarbeitung
Demonstrator schwieriger Inspektionsaufgabe als Deep-
Learning-Anwendung mit FPGA mit einer hohen Datenrate von
über 220 MB (Bildquelle: Silicon Software)
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 VISION,
zeigt sich angesichts dieser technischen
Entwicklungen überzeugt,
dass die VISION 2018 eine der spannendsten
Messeausgabe überhaupt
wird: „Es wird extrem aufregend, zu
sehen, wie die Austeller das Trendthema
Deep Learning bespielen
und mit etablierter Bildverarbeitung
sowie Embedded Vision verknüpfen.
Ganz nach unserem Kampagnenmotto
‚BE VISIONARY‘ erwarten
wir vom 6. bis 8. November in Stuttgart
ein Feuerwerk an neuen Produkten
und Lösungen, von denen
viele noch vor zwei Jahren auf der
letzten VISION nicht einmal angedacht
waren.“
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.
„Mit Hilfe dieser Trainingsdaten lernt
der Klassifikator dann, zwischen
den eingegebenen Klassen zu
unterscheiden“, so der langjährige
VISION-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 größte 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 2018 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 mit Hilfe von Deep Learning
beispielsweise perfekt winzige
Lackfehler, die mit bloßem Auge
nicht sichtbar sind“.
Auch die Nahrungsmittel- und Getränkeindustrie,
ein Anwendungsbereich,
der auf der VISION 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.
Deepsense, ein weiterer Erstaussteller
auf der VISION 2018, wird
eine Lösung zur visuellen Qualitätskontrolle
vorstellen, die sich
ohne langwierige Programmierung
sehr gut zur Inspektion gerade von
Objekten mit komplexen Mustern
wie etwa Holz oder Textilien eignet.
Robert Bogucki, Chief Science
Officer bei Deepsense, sieht darüber
hinaus große zukünftige Anwendungschancen
von Deep Learning
im Bereich Healthcare.
Verdrängt oder ergänzt
Deep Learning etablierte
Systeme?
Auch wenn bei der Anwendung
von Deep Learning Herausforderungen
bleiben, wie etwa die Ausführungszeiten
und der Trainingsaufwand
für die neuronalen Netze,
ist man sich etwa bei Framos sicher,
dass alle klassifizierenden Ansätze
z.B. bei der Qualitätsüberwachung
oder beim Sortieren mittelfristig von
Deep Learing dominiert werden.
Auch Dr. Klaus-Henning Noffz ist
überzeugt: „Mit dem Ansatz trainieren
statt programmieren‘ kann Deep
Learning eine sehr hohe Verbreitung
erzielen. So sind Klassifikationsaufgaben
wesentlich einfacher
zu lösen als mit den existierenden
algorithmischen Methoden. Für viele
weitere Aufgabe stellungen qualifi-
6 PC & Industrie 8/2018