Deep Learning und KI

Künstliche Intelligenz ist ein Teilgebiet der Informatik, das bestimmte Aspekte des menschlichen Denkens auf Computer überträgt: zum Beispiel Lernen, Urteilen und Problemlösen. Ausgefeilte Algorithmen können in unstrukturierten Datensätzen wie Bildern, Texten oder gesprochener Sprache Muster erkennen und anhand dieser Entscheidungen selbstständig treffen. Zum Einsatz kommen dabei zum Beispiel Machine Learning und Deep Learning.
Beim Machine Learning nutzen die IT-Systeme vorhandene Daten, um Muster und Gesetzmäßigkeiten zu erkennen und mit diesem Wissen Lösungen zu generieren. Eine besonders vielversprechende Methode des Machine Learning ist Deep Learning, das sehr tiefe neuronale Netze mit mehreren Ebenen und einem großen Datenvolumen nutzt.
Neuronale Netze, die mit Deep Learning-Verfahren erstellt werden, imitieren die Funktionsweise des menschlichen Gehirns. Künstliche Neuronen dienen als Speicher von Informationen und tauschen diese nach dem Vorbild biologischer Synapsen über Verbindungen zwischen den Neuronen einzelner Schichten und Regionen miteinander aus. Während der intensiven Lernphase erhalten die Neuronen Feedback, auf welche Weise sie zu einem aktuellen Ergebnis beigetragen haben. Über die Zeit verändern sie sich, wie auch die Verbindungen zwischen den Neuronen. Dadurch wird die Fähigkeit des gesamten neuronalen Netzes hinsichtlich Klassifikations- oder Approximationsaufgaben optimiert.
Für die digitale Bildverarbeitung bedeutet dies einen enormen Fortschritt. Statt dem System in manueller und detaillierter Feinarbeit einzuprogrammieren, auf welche Merkmale es achten muss, um ein Objekt in einem Bild klar erkennen zu können, bringt man den Algorithmus dazu, selbst zu lernen, welches die relevanten Merkmale sind. Am Beispiel der Schrifterkennung von Klarschrift kann man dies gut nachvollziehen. Hier erhält der Algorithmus während der Lernphase Feedback, ob er hand-schriftliche Buchstaben richtig erkannt hat oder die Extraktion fehlerhaft war. So lernt er immer besser zu erkennen, was die spezifischen Kriterien sind, nach denen sich die einzelnen Buchstaben unterscheiden. Das menschliche Gehirn leistet dieses Erkennen meisterhaft, doch können wir selten erklären, warum wir genau wissen, welchen Buchstaben dieses handschriftliche Zeichen darstellen soll – selbst wenn es von der Norm abweicht.
Strelen hat in den vergangenen Jahren bereits eine Vielzahl an Deep-Learning-Projekten erfolgreich umgesetzt und bietet Ihnen folgende Produkte basierend auf Deep Learning:

• SAFE-IDENT OCR: Schrifterkennung
• SAFE-IDENT Label: Etikettenprüfung
Neben unseren eigenen Produkten bieten wir Ihnen außerdem Lösungen für Ihren ganz spezifischen Bedarf:

• Beratungsleistungen und Machbarkeitsuntersuchungen
• Komplette kundenspezifische Umsetzung von Deep-Learning-Implementierungen
• Portierung von Deep-Learning-basierten Lösungen auf KI-Hardware-Beschleuniger

Deep Learning Machbarkeitsanalyse

Aufgrund ihrer Eigenschaft, komplexe Zusammenhänge zu erkennen und zu beurteilen, lassen sich Deep Learning-basierte Verfahren hervorragend zur Beurteilung der Qualität von Objekten nutzen. Dies können einfachste Bauteile wie Schrauben, Stecker, Schweißpunkte bis hin zu komplexen Maschinen, aber auch Verpackungen, Nahrungsmittel oder Schüttgüter sein.
Die Strelen Control Systems GmbH hat Deep Learning-basierte Verfahren zur Qualitätsbeurteilung in den unterschiedlichsten Branchen und Anwendungen umgesetzt. Um zu beurteilen, ob und wie gut eine Deep Learning-basierte Qualitätsanalyse funktioniert, sollte zu Beginn eines Projekts stets eine umfangreiche Machbarkeitsanalyse stehen. Für diese sollten reale Bilder der zu beurteilenden Produkte bzw. Objekte in einem Versuchssetup durch ein auf Deep Learning-basiertes und auf die jeweilige Aufgabenstellung optimiertes neuronales Netz beurteilt werden.
Um die Zeitspanne einer Projektumsetzung und die Kosten einer solchen Machbarkeitsanalyse zu minimieren, hat Strelen eine Testumgebung aufgebaut, die schnell an unterschiedliche Produkte und Aufgaben angepasst werden kann.
Wenn Sie bereits Bilder der zu beurteilenden Produkte zur Verfügung haben, können wir eine solche Machbarkeitsanalyse innerhalb weniger Tage umsetzen. Als Ergebnis erhalten Sie eine fundierte Analyse mit einer Aussage, ob und wie gut sich eine automatische, auf Deep Learning basierte Qualitätsanalyse realisieren lässt – verbunden mit einem konkreten Angebot für eine Realisierung.
Bildnachweis: © Strelen