Maschinelles Lernen für erfolgreiche Bilderkennung

Hauptmerkmal einer erfolgreichen visuellen Analyse durch Computer Vision ist eine hohe Flexibilität des Bilderkennungssystems. Der Schlüssel hierfür liegt in der Künstlichen Intelligenz. Diese orientiert sich im Unterschied zu herkömmlichen Verfahren nicht an hart programmierten Regeln wie Form, Farbe, Lage oder Anzahl von Objekten. Stattdessen lernt die Künstliche Intelligenz anhand von Bildbeispielen, Objekte aufgrund von ihren individuellen gemeinsamen Merkmalen zu erkennen. Auf eine ähnliche Weise identifizieren auch Menschen Objekte.

Effizient auch unter erschwerten Umständen

Ein Mensch kann etwa Schrauben erkennen, ganz gleich wie diese liegen, welche Größe, Kopfform oder Gewindesteigung sie haben. Sogar ähnliche Objekte wie Gewindestangen oder Rändelschrauben kann der Mensch als schraubenähnliches Objekt identifizieren, selbst wenn er noch nie zuvor ein solches Objekt gesehen hat.
Das KI-System kann durch das maschinelle Lernen in die Lage gebracht werden, annähernd genau so hohe Erkennungsraten wie der Mensch zu erreichen. In manchen Fällen schneidet eine KI sogar besser ab als der Mensch. Das Einzige, was eine KI dafür braucht, ist eine ausreichend große Anzahl und Variabilität von Bildern der zu erkennenden Objekte.

Günstigere Hardware ermöglicht den Einstieg

KI-Systeme sind in der Forschung bereits lange bekannt und daher auch gut untersucht. Sie werden im Labor stets weiterentwickelt, aber waren viele Jahre für den sinnvollen industriellen Einsatz aufgrund der nötigen Hardware zu kostspielig. Diese Hardware ist aufgrund von ebenfalls rasanten Entwicklungsprozessen in der Computer Hardware heute erschwinglich geworden und eröffnet dadurch die Möglichkeit, Prozesse verschiedenster Art durch KI zu optimieren.

„Die Macht der künstlichen Intelligenz ist so unglaublich, dass sie die Gesellschaft auf tiefgehende Weise verändern wird.“
‍
- Bill Gates, Gründer von Microsoft

Synthetische Bilddaten als Schlüsseltechnologie

Reale Bilddaten für das Antrainieren einer KI sind häufig aufwendig zu sammeln und vorzubereiten. Um dennoch einen hochwertigen Datensatz und damit ein erfolgreiches Training zu erreichen, bietet es sich an, synthetische Daten zu nutzen. Synthetische Daten sind, im Kontext der Computer Vision, computergenerierte, auf Simulationen basierende Bilddaten. Mit ihrer Hilfe lassen sich nicht nur viele Tausend Bilder in kürzester Zeit erstellen und markieren, sie ermöglichen es auch, Situationen darzustellen, die real nicht abgebildet werden können. Solche Sonderfall-Simulationen ermöglichen es zum Beispiel Defekte zu detektieren, ohne dafür Zehntausende reale defekte Objekte digitalisieren zu müssen. Zusätzlich lässt sich durch Sonderfälle im Datensatz die Robustheit der KI erhöhen.

‍