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.

Use Cases in Machine Vision

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.

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.

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.


Erfahren Sie, was dida für Sie tun kann