Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
Von Machine Vision zu KI K I-Lösungen mit Machine Learning ML unterscheiden sich in der Herangehensweise stark von der klassischen Bildverarbeitung Im Gegensatz zur manuellen Entwicklung eines Programmcodes findet beim Machine Learning ein Lernprozess mit geeigneten Bilddaten statt 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 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 Software als Wegbereiter Dass dazu nicht zwingend ein Systemprogrammierer nötig ist zeigt beispielsweise IDS mit seiner IDS-NXT-Plattform Die Idee dahinter Mit den richtigen auf-Vielen Unternehmen im Bereich der industriellen Bildverarbeitung mangelt es noch an Fachwissen und Zeit um sich in das Potenzial Künstlicher Intelligenz einzuarbeiten Die Hardware für einen effizienten KI-Einsatz steht längst zur Verfügung KI-Plattformen mit nutzerfreundlicher Software können Probleme bei der Implementierung überwinden Automatisierung und Industrial IoT INDUSTRIAL Production 7 2022 24 Um Machine Learning optimal einsetzen zu können muss die Künstliche Intelligenz anhand von Bildern trainiert werden Dabei braucht der Anwender aber nicht bei null zu beginnen Bild IDS