KI, aber mal anders

Bild 1 | Stabile Schrifterkennung mit Deep-OCR, selbst bei inhomogenem Hintergrund: Erkennung eines Mindesthaltbarkeitsdatums und der Produktionslosnummer auf einer Aluminiumdose mit starken Spiegelungen.
Bild 1 | Stabile Schrifterkennung mit Deep-OCR, selbst bei inhomogenem Hintergrund: Erkennung eines Mindesthaltbarkeitsdatums und der Produktionslosnummer auf einer Aluminiumdose mit starken Spiegelungen.
Bild 1 | Stabile Schrifterkennung mit Deep-OCR, selbst bei inhomogenem Hintergrund: Erkennung eines Mindesthaltbarkeitsdatums und der Produktionslosnummer auf einer Aluminiumdose mit starken Spiegelungen.
Bild 1 | Stabile Schrifterkennung mit Deep-OCR, selbst bei inhomogenem Hintergrund: Erkennung eines Mindesthaltbarkeitsdatums und der Produktionslosnummer auf einer Aluminiumdose mit starken Spiegelungen.Bild: B&R Industrial Automation GmbH

Zur letzten SPS hat B&R die Erweiterung seiner Kooperation mit MVTec um den AI-Prozessor-Hersteller Hailo bekannt gegeben. Als erste Anwendung haben Sie seinerzeit eine Deep-OCR-Entwicklung auf Ihrer Smart Camera in Aussicht gestellt. Wie ist hier der aktuelle Status?

Andreas Waldl: Die Entwicklung des Deep-OCR ist bereits abgeschlossen und das Produkt seit Anfang September verfügbar. Das Resultat hat nicht nur die ersten Kunden, sondern auch uns selbst positiv überrascht. Dass die Qualität der Zeichenerkennung bei unterschiedlichen Schriftarten hervorragend ist, davon konnten wir uns ja bereits bei der Designentscheidung überzeugen, dass aber auch starke Grauwertschwankungen im Hintergrund, minimaler Kontrast und schlechte Druckqualität so problemlos weggesteckt werden, war in dieser Form nicht zu erwarten.

Die Fehlstellen an der Holzoberfläche (l.) werden durch die Heatmap (r.) klar hervorgehoben. Die Qualitätsrelevanz des Defekts kann mit nachgelagerten regelbasierten Algorithmen fein adjustiert werden.
Die Fehlstellen an der Holzoberfläche (l.) werden durch die Heatmap (r.) klar hervorgehoben. Die Qualitätsrelevanz des Defekts kann mit nachgelagerten regelbasierten Algorithmen fein adjustiert werden. Bild: B&R Industrial Automation GmbH

Wie sieht es dabei mit der Geschwindigkeit aus?

Das Deep-Learning-Netzwerk schafft das Lesen einer Zeile, trotz minimaler Verlustleistung im Chip, bereits ab ca. 25ms. Das ist durchaus schnell und lässt bei vielen Anwendungen auch noch ausreichend Platz für zusätzliche Aufgabenstellungen, die auf der Smart Camera verarbeitet werden können.

Bild 2 und 3 | Die Fehlstellen an der Holzoberfläche (l.) werden durch die Heatmap (r.) klar hervorgehoben. Die Qualitätsrelevanz des Defekts kann mit nachgelagerten regelbasierten Algorithmen fein adjustiert werden.
Bild 2 und 3 | Die Fehlstellen an der Holzoberfläche (l.) werden durch die Heatmap (r.) klar hervorgehoben. Die Qualitätsrelevanz des Defekts kann mit nachgelagerten regelbasierten Algorithmen fein adjustiert werden. Bild: B&R Industrial Automation GmbH

Ich gehe davon aus, dass sich B&R aber nicht nur mit OCR beschäftigt. Gibt es mittlerweile auch weitere (AI-)Projekte?

Wir arbeiten aktuell an der AI-gestützten Erkennung von Anomalien. Genauer gesagt an Global Context – Anomaly Detection. Hier haben wir bereits erfolgreich die ersten Proof of Concepts (PoC) mit Kunden abgeschlossen und stellen das Produkt erstmalig auf der SPS 2023 vor. Die Serienverfügbarkeit der Lösung ist bereits für das erste Halbjahr 2024 geplant.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert