Registrierungspflichtiger Artikel

QM/Predictive Maintenance Deep Learning hält Einzug in der Bildverarbeitung

Redakteur: Jürgen Schreier

Der weltweite Umsatz mit Deep-Learning-basierten Bildverarbeitungssystemen wird bis 2023 jährlich um rund rund 20 % auf 34 Mrd. Dollar wachsen, prognostiziert ABI Research. Der Grund: Diese Systeme sind flexibler als herkömmliche und bieten einen größeren Funktionsumfang.

Firma zum Thema

Das Aufkommen der Deep-Learning-Technologien eröffnet der industriellen Bildverarbeitung ganz neue Perspektiven in Sachen Flexibilität, Produktivität und Kosteneffizienz.
Das Aufkommen der Deep-Learning-Technologien eröffnet der industriellen Bildverarbeitung ganz neue Perspektiven in Sachen Flexibilität, Produktivität und Kosteneffizienz.
(Bild: Pixabay / CC0 )

Konventionelle Bildverarbeitungssysteme sind in der Industrie nach wie vor beliebt und weit verbreitet, denn sie zeichnen sich durch Wiederholgenauigkeit, Zuverlässigkeit und Stabilität aus. Doch eröffnet das Aufkommen der Deep-Learning-Technologien auch der industriellen Bildverarbeitung ganz neue Perspektiven in Sachen Flexibilität, Produktivität und Kosteneffizienz. Folglich wird der Markt für Deep-Learning-basierte Machine Vision- Systeme für die industrielle Fertigung zwischen 2017 und 2023 um 20 % pro Jahr (CGAR) wachsen und 2023 ein Umsatzvolumen von 34 Mrd. Dollar erreichen. Das prognostiziert das US-amerikanische Marktforschungs- und Beratungsunternehmen ABI Research.

Open-Source-KI-Frameworks senken die Eintrittsschwelle

Hersteller sind ständig auf der Suche nach Möglichkeiten, um Produktivität und Workflow-Effizienz in der Fertigung zu optimieren. Konventionelle Bildverarbeitung ist zwar einfach zu implementieren, doch stößt sie zunehmend an ihre Grenzen. Aktuelle Lösungen, die in der Qualitätskontrolle, der Sicherheitsinspektion, der vorausschauenden Instandhaltung und der industriellen Überwachung weit verbreitet sind, basieren auf vorprogrammierten Regeln und Kriterien und bieten lediglich einen begrenzten Funktionsumfang.