Computer Vision: Die Automatisierung erreicht die Sinneswahrnehmung

Computer Vision, die zunehmend in Hilfsmittel wie Kommissionierroboter integriert wird, setzt sich in Unternehmen auf der ganzen Welt immer mehr durch. Laut DHL wird der Wert dieser Technologie bis 2030 voraussichtlich 41,11 Mrd. EUR erreichen. In den nächsten fünf Jahren wird mit einer weiteren Ausbreitung in Logistikunternehmen und anderen Branchen gerechnet.

Was ist Computer Vision?

Der Bereich der Computer Vision gehört zur künstlichen Intelligenz und ermöglicht es Computersystemen, Informationen aus digitalen Bildern, Videos und anderen visuellen Daten zu gewinnen. Nach der Verarbeitung der erhobenen Daten durch Algorithmen können Computer Maßnahmen ergreifen oder Empfehlungen und Vorschläge machen. Während Computer mit KI „denken“ können, können sie mit Computer Vision ihre Umgebung „sehen“ und „verstehen“.

Diese Tools müssen auf die gleiche Weise trainiert werden, wie Menschen lernen, Objekte zu unterscheiden und das Gesehene zu interpretieren. Bei der Computer Vision verläuft dieses Verfahren jedoch schneller, da sie eine große Anzahl von Artikeln verarbeiten kann.

Wie funktioniert ein System mit Computer Vision?

Systeme mit Computer Vision basieren auf zwei Haupttechnologien:

• Deep Learning. Bei dieser Art des maschinellen Lernens kommen Algorithmen zum Einsatz, die Computern die Fähigkeit zur selbstständigen Erkennung des Kontexts von visuellen Daten verleihen. So lernen sie, ein Bild von einem anderen zu unterscheiden, ohne dass sie zur Erkennung der einzelnen Figuren programmiert werden müssen.
• Faltungsneuronales Netz (CNN). Damit die Modelle für maschinelles Lernen erkennen können, was sie sehen, müssen sie die Bilder in ihre Pixel zerlegen, denen sie Etiketten zuweisen. Anschließend erstellen sie mit diesen Markierungen Faltungen, d. h. mathematische Operationen an zwei Funktionen, um eine dritte Funktion zu erzeugen. Die Roboter treffen daraufhin Prognosen und testen deren Genauigkeit in einer Reihe von Durchläufen, so dass sie Objekte auf ähnliche Weise wie Menschen erkennen können.

Mit diesem Wissen analysiert Computer Vision seine Umgebung in drei Schritten:

1. Ein Gerät nimmt ein Bild auf. Das kann eine Kamera oder eine Videokamera sein.
2. Das Bild wird an ein Auswertesystem gesendet, das durch Mustererkennung die Szene mit anderen bekannten Szenen vergleicht.
3. Wenn ein Nutzer Informationen anfordert, stellt das Programm die Ergebnisse seiner Analyse bereit.

Anwendungen der Computer Vision in der Industrie

Unternehmen in Bereichen wie Logistik, Medizin, Verkehr und Unterhaltung haben Computer Vision bereits in ihre Arbeit integriert. Sicherheitskameras, Verkehrskontrollen, Smartphones und andere Geräte versorgen sie mit einer Fülle von Daten, die sie für verschiedene Zwecke nutzen. Ein Beispiel dafür ist Google Translate, mit dem man Text mit einer Kamera aufnehmen und sofort in eine andere Sprache übersetzen kann.

Darüber hinaus gibt es mehrere Anwendungen für Computer Vision in der Industrie 4.0:

• Augmented Reality. Die durch Computer Vision gewonnenen Informationen werden zur Positionierung virtueller Objekte in physischen Umgebungen verwendet.
• Autonome Fahrzeuge. Selbstfahrende Autos erkennen in Echtzeit, was auf der Straße vor sich geht, und handeln entsprechend.
• Fertigung. Die Maschinen können überwacht werden, um ihren reibungslosen Betrieb zu gewährleisten und die Qualität der Produkte und Verpackungen in den Produktionslinien zu beurteilen.
• Räumliche Analyse. Personen oder Gegenstände im Raum werden identifiziert und ihre Bewegungen aufgezeichnet.
• Gesundheit. Durch die Bildanalyse medizinischer Geräte können Ärzte Krankheiten erkennen und schnellere und genauere Diagnosen stellen.
• Landwirtschaft. Mit der Überwachung von Feldern durch Satelliten, Drohnen oder Flugzeuge lassen sich Ernten überwachen und mögliche Notfälle oder Nährstoffdefizite erkennen. Unternehmen wie Patatas Meléndez wählen mit dieser Technologie die Kartoffeln aus, die an ihre Kunden geliefert werden sollen.
• Extraktion von Text. Die automatische Verarbeitung kann beim Auffinden relevanter Inhalte in großen Textmengen helfen.

Wer war der Erfinder von Computer Vision?

Laut Thomas Huang, Forscher und emeritierter Professor an der University of Illinois (USA ) und einer der führenden Experten auf dem Gebiet der Computer Vision, geht die Geschichte dieser Technologie auf die 1960er Jahre zurück. Damals erörterte Larry Roberts in seiner Diplomarbeit am Massachusetts Institute of Technology (MIT) die Möglichkeit, geometrische 3D-Informationen aus 2D-Perspektiven zu extrahieren. In diesen Jahren wurde die Künstliche Intelligenz als akademisches Studienfach geboren, und 1963 begannen Computer, zweidimensionale Bilder in dreidimensionale umzuwandeln.

Die optische Zeichenerkennung (Optical Character Recognition, OCR) kam 1974 auf, und mit der intelligenten Zeichenerkennung (Intelligent Character Recognition, ICR) konnte handgeschriebener Text mithilfe neuronaler Netze entschlüsselt werden. 1982 stellte der Neurowissenschaftler David Marr fest, dass das Sehen hierarchisch funktioniert, und entwickelte Algorithmen für Maschinen, um Kanten, Ecken, Kurven und andere geometrische Formen zu erkennen. Der Informatiker Kunihiko Fukushima schuf zur gleichen Zeit ein Netzwerk von Zellen zur Mustererkennung namens Neocognitron. Zu Beginn des 21. Jahrhunderts wurden weitere Fortschritte erzielt, und 2012 konnte das AlexNet-Modell die Fehlerquote auf einen kleinen Prozentsatz reduzieren.

Computer Vision in der Logistik

Die Logistik und das Lieferkettenmanagement gehören ebenfalls zu den Bereichen, in denen die Computer Vision über ein großes Potenzial und verschiedene Anwendungen – teilweise in Verbindung mit der Robotik – verfügt:

• Sendungen. Die intelligente Bildverarbeitung wird zur Berechnung des Platzbedarfs von Objekten in Transporten und Lagern eingesetzt und trägt zur Verbesserung der von Lagerverwaltungssystemen (LVS) erfassten Daten bei. Sie dient auch zur Überprüfung der Lesbarkeit von Produktetiketten.
• Instandhaltung. Da sie Informationen von mehreren Geräten sammelt, kann die KI ermitteln, wann Reparaturen erforderlich sind.
• Vorgänge. Künstliche Intelligenz kann die effizientesten Routen für die Kommissionierer ermitteln und ist außerdem für die Zugangskontrolle von Nutzen. Mithilfe der Computer Vision können Personen erkannt werden, die durch das Gebäude laufen oder sich Zugang zu gesperrten Bereichen verschaffen, um ein schnelles Eingreifen durch Warnmeldungen zu ermöglichen.
• Sicherheit. Durch die Überwachung der Bewegungen von Fahrzeugen und Personen in Lagern und auf Parkplätzen können sofort Maßnahmen zur Risikominderung ergriffen werden. Die Kameras erkennen auch, ob die PSA ordnungsgemäß benutzt wird, und überwachen die Fahrer, damit sie bei den ersten Anzeichen von Müdigkeit eine Pause einlegen.

Computer Vision bei Kommissionierrobotern

Ein weiterer Bereich, in dem das intelligente Sehen die Logistik grundlegend verändern wird, sind Kommissionierroboter oder Pick-and-Place-Kobots. Diese Maschinen eignen sich ideal für Logistikzentren mit einem hohen täglichen Versandvolumen, da sie die Aufträge mit hoher Geschwindigkeit kommissionieren können und bis zu 1.000 Picks pro Stunde erreichen. Sie arbeiten rund um die Uhr und ihre Vision Software errechnet für jedes Produkt die am besten geeigneten Entnahmepunkte. Mithilfe von KI-Algorithmen können sie unbekannte Artikel ohne vorheriges Training aufspüren.

Wir sorgen bei Mecalux dafür, dass die Lagerhäuser auf dem neuesten Stand der Technik bleiben und die Vorteile von Fortschritten wie der Computer Vision bei Vorgängen wie der Kommissionierung nutzen. Wenn Sie Ihr Unternehmen voranbringen wollen und mehr über unseren Kommissionierroboter oder andere Lösungen erfahren möchten, wenden Sie sich an uns. Wir beraten Sie bei der Auswahl der für Ihre Bedürfnisse am besten geeigneten Optionen und betreuen Sie während der gesamten Installationsphase.