Deep Learning vs. industrielle Bildverarbeitung und menschliche Prüfung

Choosing between Machine Vision and Deep Learning

Deep Learning ist sowohl flexibel als auch robust

Jahrzehntelang haben industrielle Bildverarbeitungssysteme Computer gelehrt, wie Prüfungen auszuführen sind, die Fehler, Kontaminierungen, optische Mängel sowie sonstige Unregelmäßigkeiten in hergestellten Produkten erkennen. Die visuelle Prüfung durch Menschen ist jedoch in Situationen überlegen, die das Lernen am Beispiel und die Anerkennung annehmbarer Schwankungen von der Steuerung erfordern. Industrielle Bildverarbeitung hingegen bietet eine Geschwindigkeit und Robustheit, die nur ein computerbasiertes System bieten kann.

Industrielle Bildverarbeitung

Aufgrund der Geschwindigkeit, Genauigkeit und Wiederholbarkeit bietet die industrielle Bildverarbeitung hervorragende Ergebnisse bei der quantitativen Messung einer strukturierten Szene. Mit der richtigen Auflösung und Optik kann ein industrielles Bildverarbeitungssystem Details erkennen, die für das menschliche Auge nicht sichtbar sind. Die Prüfungen werden somit zuverlässiger und bergen weniger Fehler. Industrielle Bildverarbeitungssysteme können auf einer Produktionslinie hunderte oder tausende Teile pro Minute zuverlässig und wiederholbar prüfen. Dies übersteigt die menschlichen Fähigkeiten bei weitem.

Anders als herkömmliche industrielle Bildverarbeitung ist der Mensch qualifiziert, um zwischen leichten Fehlern im Aussehen und Funktionsfehlern zu unterscheiden. Zudem kann er bei Abweichungen im Erscheinungsbild des Teils einschätzen, ob sich diese auf die gewünschte Qualität auswirken. Obwohl der Mensch nur beschränkt Informationen verarbeiten kann, so ist er doch einzigartig in der Lage zu konzeptionieren und zu verallgemeinern. Menschen sind unübertroffen darin, am Beispiel zu lernen und können bei geringfügigen Anomalien eines Teils abschätzen, was wirklich wichtig ist. Deshalb ist in vielen Fällen der Einsatz von menschlicher Prüfung die beste Wahl, wenn es die qualitative Interpretation einer komplexen, nicht strukturierten Szene betrifft - insbesondere im Falle von kleinen und unvorhersehbaren Fehlern.

Menschliche Prüfer

Die Deep-Learning-Technologie nutzt neurale Netzwerke, die die menschliche Intelligenz nachahmen, um zwischen Anomalien, Teilen und Zeichen zu unterscheiden, während sie natürliche Abweichungen in komplexen Mustern tolerieren. Auf diese Weise vereint Deep Learning die Flexibilität der visuellen Prüfung durch Menschen mit der Geschwindigkeit und Robustheit eines computerbasierten Systems.

Zugehöriger Inhalt

Für nähere Informationen zu Cognex-Produkten:

Empfohlene Cognex-Produkte

ERHALTEN SIE ZUGANG ZU SUPPORT & TRAINING FÜR PRODUKTE & MEHR

Werden Sie Teil von MyCognex