Machine Learning Wie Siemens Bildverarbeitungssysteme mit künstlicher Intelligenz trainiert

Bisher haben Unternehmen Schwierigkeiten damit, maschinelles Lernen in ihre Bildverarbeitungsanwendungen zu implementieren. Siemens will dafür nun eine Lösung gefunden haben.

Anbieter zum Thema

Parasoft® Deutschland GmbH

Trebing & Himstedt Prozeßautomation GmbH & Co. KG

TXOne Networks

Siemens AG

Siemens Digital Industries Software hat seinen Synth-AI-Service vorgestellt. Wie das Unternehmen mitteilt, sollen damit die Möglichkeiten des maschinellen Lernens (ML) und der künstlichen Intelligenz (KI) für das Training von Bildverarbeitungssystemen genutzt werden können. Bisher habe dies die Branche vor große Herausforderungen gestellt.

Datenerfassung und Trainingsprozess beschleunigen

Grund dafür ist unter anderem die Notwendigkeit, viele Bilder der betreffenden Teile zu sammeln, so Siemens. Zudem müssten die verschiedenen, auf diesen Bildern sichtbaren Produkte genau identifiziert werden. Dies sei eine große Herausforderung insbesondere vor Beginn der Produktion oder Fertigung dieser Produkte. „Wir waren auf der Suche nach einer schnellen und einfachen Lösung, die uns die Erkennung von Drahtanschlüssen in einer robotischen Schaltschrank-Montagestation ermöglicht“, sagt Omer Einav, CEO von Polygon Technologies. Die Aufgabe, einen großen Satz Trainingsbilder zu definieren um das Modell trainieren zu können, gelang mithilfe von Synth-AI innerhalb weniger Stunden.

Siemens verwendet dafür synthetische Daten, was die Datenerfassung und den Trainingsprozess beschleunigen soll. Dies erfordere jedoch Fachwissen über die Erzeugung synthetischer Bilder. Der Synth-AI-Service soll an dieser Stelle unterstützend zum Einsatz kommen. Bildverarbeitungsspezialisten müssen lediglich 3D-CAD-Daten bereitstellen, so Siemens. Synth-AI generiere daraus innerhalb von Minuten automatisch tausende von synthetischen Bildern mit zufälligen Kommentaren ohne die normalerweise erforderlichen Fachkenntnisse. Die KI trainiere ebenso automatisch ein maschinelles Lernmodell, das zur Erkennung eines Produkts im realen Leben verwendet werden könne.

(ID:48206501)