Page 33

HOB_1119

Digitalisierte Fertigung 33 Sensorfunktionalitäten mit Deep Learning spezialisieren Mit den Technologien des Deep Learning steht die industrielle Sensorik vor einem weitreichenden Funktionalitätssprung. Dies beweisen kürzlich gelöste Anwendungen bilderfassender Sensoren von Sick in intralogistischen Sortieranlagen, die unter anderem in der Holzverarbeitung Anwendung finden.  Andreas Behrens, Leiter Produktmanagement Barcode-RFID-Vision bei Sick und Klemens Wehrle, Leiter Track and Trace Systems bei Sick p Sick hat Deep Learning in der Holzverarbeitung erstmals industriegerecht umgesetzt – und damit den Beweis erbracht, dass künstliche Intelligenz und Sensorintelligenz zusammenwachsen (Bilder: Sick) t Ein neuronales Netzwerk lernt mit geeigneten Trainingsdaten eine vorgegebene Aufgabe zu lösen und kann mit hoher Wahrscheinlichkeit auch bisher nie gesehene Daten richtig verarbeiten www.hob-magazin.com Sick nutzt Deep Learning, um die Funktionalität von Sensoren applikationsbezogen zu spezialisieren. Intelligente Kameras können durch künstliche neuronale Netze, die mit großen Datenmengen trainiert wurden, immer anspruchsvollere Anwendungen im industriellen Umfeld lösen. Die Integration von Deep-Learning-Algorithmen in Software zur Bildanalyse und -verarbeitung ermöglicht es, trainierte Objekte oder Merkmale automatisch zu erkennen, zu prüfen oder zu klassifizieren. Durch die intelligente funktionale Spezialisierung von Sensoren gelingt es zum Beispiel in der Holzverarbeitung, die Materialausnutzung zu erhöhen sowie die Qualität von Produkten und Prozessen zu verbessern. In der Logistikautomation können Deep-Learning-Kameras unter Auswertung der eingelernten Bildbasis Sorterschalen auf das Vorhandensein flacher Versandtaschen und ihre tatsächliche Belegung prüfen oder auf einem Band neben oder übereinanderliegende Objekte als einzelne Einheiten erkennen. Dank Deep Learning erbringen Sensoren dabei Intelligenzleistungen, die bislang dem Menschen vorbehalten waren – beispielsweise die Erkennung und Evaluierung von Strukturen oder Merkmalen, die in dieser Form vom Sensor im laufenden Betrieb zum ersten Mal erfasst werden. Damit ist Deep Learning als Teilbereich des maschinellen Lernens (Machine Learning) die wohl bedeutendste Zukunftstechnologie innerhalb des Themenfeldes ,Künstliche Intelligenz‘ und zugleich Treiber von Industrie 4.0. Expertenwissen zusammenbringen Die meisten Deep-Learning-Projekte, mit denen sich Sick derzeit beschäftigt, kommen aus Fertigungsanwendungen oder der optischen Qualitätsinspektion. Um die verschiedenen Anwendungen effizient beurteilen zu können, hat das Unternehmen im Rahmen einer internen Deep-Learning-Initiative einen mehrstufigen Ablaufstandard entwickelt, in den die Deep-Learning-Experten von Sick sowie die Prozess- und Qualitätsexperten des


HOB_1119
To see the actual publication please follow the link above