Home / 
Machine Vision

Machine Vision

In den letzten Jahren gab es enorme Weiterentwicklungen im Bereich des maschinellen Lernens. Mittlerweile kann jedes Muster in einem Bild, welches von einem Menschen erkannt wird, auch von einer Maschine erkannt werden. Manchmal können Maschinen sogar Strukturen erkennen, die ein Mensch nicht erkennt.

1

Prozess

2

Algorithmus

3

Entscheidung

Kriterien, um attraktive Prozess-Automatisierungsprojekte zu finden, in denen visuelle Informationen von zentraler Bedeutung sind z.B.:

  • Der Prozess kostet aktuell viel Geld und/oder eine schnellere Bearbeitungszeit bringt deutliche Mehrwerte
  • Ein (dafür ausgebildeter) Mensch könnte eine gute Entscheidung hauptsächlich durch das Betrachten eines Bildes/Videos treffen
  • Es gibt genügend Daten (grobe Daumenregel: 200 - 2.000 Bilder. Die genaue Anzahl hängt selbstverständlich maßgeblich vom Anwendungsfall ab.)

Wir erleben immer wieder, dass nur durch die Kombination aus Kenntnissen über die internen Prozesse mit Expertise im Bereich Machine Vision sinnvolle Projekte erkannt und strukturiert werden können. Fragen Sie uns gerne möglichst früh, ob wir eine Prozessautomatisierung für Ihren Anwendungsfall als technisch machbar einschätzen.

Case Study

Machine Vision

AUTOMATISCHE PLANUNG VON SOLARANLAGEN

Unser Auftraggeber ist eine Firma aus dem Solarbereich, welche die Planung, Beratung und Installation von Solaranlagen für Privathaushalte anbietet. Ziel dieses Projekts ist es, den Planungsprozess von Solaranlagen zu... weiterlesen

Blog Posts zu Machine Vision

27. Aug 2019

Künstliche Intelligenz (KI) und insbesondere Computer Vision versprechen wertvolle Hilfsmittel zur Diagnose von Krankheiten auf der... weiterlesen

24. Sep 2019

Im Machine Learning behindert oft eine unzureichende Menge an Trainingsdaten die Leistung von Klassifikationsalgorithmen. Die Erfahrung zeigt, dass der Mangel an Trainingsdaten eher die Regel... weiterlesen

24. May 2019

Dieser Beitrag stellt einige wichtige Erkenntnisse aus unserer Arbeit zur Identifizierung von Dächern auf Satellitenbildern vor. Unser Ziel war es, ein Planungswerkzeug für die Platzierung von... weiterlesen

Use Cases in Machine Vision

Branche

Abteilung

Handschriftliche Dokumente können durch Machine-Learning-Algorithmen ausgelesen und vorausgefüllt werden. Durch weitere Eingaben können diese Dokumente noch einmal editiert werden, wovon die Genauigkeit des Algorithmus noch mal profitiert.

Durch die Analyse von Röntgen- oder MRT-Bildern durch einen Algorithmus können Diagnosevorschläge erstellt werden.

Um die öffentliche Infrastruktur planen zu können, benötigen die Behörden aktuelle Informationen über die Nutzung ihres Landes.

Die Start- und Landebahnen werden von Fluglotsen kontrolliert, die die Start- und Landebahnen vom Turm aus beobachten. Da diese Aufgabe ständige Aufmerksamkeit und die Erkennung sicherheitsrelevanter Objekte auf der Landebahn oder in der Luft erfordert, kann Computer Vision die Flugverkehrsleiter unterstützen.

Mit neuronalen Netzen werden Muster von Betrugsfällen erkannt und herausgefiltert. Auffällige Schadensmeldungen werden Sachbearbeitern gemeldet und manuell überprüft.

Durch standardisierte Bilder von verschiedenen Ledern kann ein Machine Learning Algorithmus Leder klassifizieren und den richtigen Kleidungsstücken zuordnen.

Durch die Angabe z.B. der Adresse eines Gebäudes durch den Kunden und durch ggf. vorliegende Bilder des Kunden kann der optimale Policenpreis für das Gebäude ermittelt werden.

Durch defekte Bauteile können große Produktionsausfälle entstehen. Um dem vorzubeugen, kann ein Algorithmus Muster erkennen und fehlerhafte von fehlerfreien Teilen frühzeitig unterscheiden.

Die Klassifizierung von Nutzpflanzen ist ein hoch relevantes Thema in der Landwirtschaft für Landwirte, Behörden und Unternehmen, die gleichermaßen an Landwirte verkaufen.

Baupläne sind komplex und beinhalten eine große Menge an relevanten Daten. Diese Informationen sind jedoch nicht standardisiert und stehen nicht in einem strukturierten Format zur Verfügung. Daher können Daten nicht genau analysiert und Bauprojekte nicht auf einer fundierten Basis verglichen werden.

Zur Vereinfachung des Prozesses der Inseraterstellung wird ein Foto vom Objekt aufgenommen. Dieses wird analysiert und das Inserat wird dem Kunden vorausgefüllt angezeigt.

Fotos von defekten Ersatzteilen werden durch einen Machine Learning Algorithmus analysiert und die Schäden klassifiziert. Diese Informationen fließen in die Entwicklung neuer Produkte und in die Lieferantenauswahl ein.

Ein Machine Learning Algorithmus analysiert Eigenschaften und historische und aktuelle Daten einer Immobilie. Daraus entsteht ein Score, durch welchem sich die Attraktivität eines Objekts bewerten lässt.

Ein Algorithmus kann tausende Styles und Outfits von Influencern analysieren und somit Trends der nächsten Saison prognostizieren.

In wachstumsstarken Städten (vor allem in Asien und Afrika) wird es für Stadtplaner zu einer großen Herausforderung, den Überblick über Siedlungen und Infrastrukturbedarf zu behalten.

In der gewünschten Filterkombination sind keine Use Cases verfügbar.


Erfahren Sie, was dida für Sie tun kann