Haben Sie Fragen? +49 8677 409958-0

Neuralyze

Neuralyze von senswork

Deep-Learning-Bibliothek

Bei komplexen Prüfobjekten ist ein Regelsatz zur klaren Unterscheidung von Merkmalen oft nicht mehr beschreibbar – die klassische Bildverarbeitung stößt hier an ihre Grenzen. Mit unserer Deep Learning basierten Bildverarbeitungssoftware ist eine Beschreibung von Regeln nicht mehr notwendig.

Neuralyze lernt, kleinste Fehler in jeglicher Ausprägung mit hoher Präzision zu erkennen und das „Erkannte“ zu interpretieren. Zur Merkmalsbeurteilung wird eine selbstlernende Methode auf Basis von neuronalen Netzen eingesetzt. Dazu sind vorab Bilddaten der zu erkennenden Objekte oder Eigenschaften notwendig. In einem Trainingsvorgang wird die Beurteilung der Merkmale optimiert.

 

 

Vorteile von Neuralyze

  • Effiziente Prüfsoftware für Aufgaben, die mit klassischer Bildverarbeitung nicht gelöst werden können
  • Inspektion bei Prüfobjekten mit transparenter, spiegelnder, gekrümmter oder inhomogener Oberfläche möglich
  • Detektion von Produkten mit einer hohen Merkmalsvarianz
  • Dynamic Link Library (DLL)
  • Einbindung in VisionCommander möglich
  • Einfach und benutzerfreundlich 

Funktionen von Neuralyze

Crack Detection: Erkennen von Rissen, Kratzern, Lunkern, Staub, Fasern, Riefen, Haaren, Oxidation, Delamination oder Einschlüssen auf transparenten oder inhomogenen Oberflächen

Particle Location: Lokalisierung und Identifizierung von Partikeln, Zählen von Merkmalen und Vollständigkeitskontrolle

Part Separation: Erkennen von Objekten und Einteilung in verschiedene Klassen

 

 

Anwendungsbeispiele

  • Automobilindustrie: Oberflächeninspektion von Blechen auf Kratzer oder Lackspuren, Erkennen von Lunkern bei Aluminium
  • Weiße Ware: Inspektion von ästhetisch sichtbaren Oberflächen für Geschirrspüler oder andere Haushaltsgeräten
  • Lebensmittelindustrie: Qualitätssicherung bei transparenten Kunststoffverbundfolien
  • Pharma-Industrie: Qualitätssicherung bei Einwegfolien, z. B. für Spritzen
  • Medizintechnik: Überprüfung von Infusionsbeuteln, Kyrobeuteln oder anderen transparenten Folien für die Medizintechnik
  • Verpackungsindustrie: Fehlererkennung bei transparenten Verbundfolien

 

Hardware und Software aus einer Hand

senswork ist im Bereich Machine Learning/Deep Learning nicht nur ausgewiesender Software-Spezialist, sondern besitzt auch langjährige Erfahrung in der Konzeption und Auslegung von Kamera-, Beleuchtungs- und Bildverarbeitungssystemen sowie dem Sondermaschinenbau für Bildverarbeitungsanlagen.

Dadurch kann senswork vom ersten Konzept bis zur Integration der fertigen Lösung alles aus einer Hand anbieten. Dazu gehören die Entwicklung und Auswahl der Hardware, der Protoypenbau, die Konstruktion und die Inbetriebnahme ebenso wie die Implementierung der Software.

Ihr Ansprechpartner

Rainer Obergrussberger senswork visionsystems
Markus Schatzl

+49 (0)89 215 298 46 0
markus.schatzl@senswork.com

senswork GmbH
Innovation Lab
Friedenstraße 18
81671 München

FAQ – Häufig gestellte Fragen

1. Welche Bauteile können mit Neuralyze analysiert werden?

Neuronale Netze können auf eine Vielzahl von Objekten und Materialien angewendet werden, zum Beispiel Metall, Glas, Kunststoff, Beton, Keramik oder Holz. Beschränkungen in Größe und Dimension sind nicht vom Deep-Learning-Ansatz selbst abhängig, sondern von der eingesetzten Aufnahmetechnologie.

Neuralyze eignet sich aber in erster Linie für die Qualitätsprüfung von Objekten mit variabler Größe, Form, Struktur und variablem Hintergrund. In diesem Bereich stößt die klassische Bildverarbeitung an ihre Grenzen.

2. Welche Voraussetzungen müssen erfüllt werden, damit Deep Learning eingesetzt werden kann?

Die Grundlage für unsere Deep-Learning-Software bilden Daten, die durch maschinelles Lernen Gesetzmäßigkeiten erkennen. Dieser Trainingsvorgang dient dazu, aus später gewonnenen Daten Informationen abzuleiten.

Ein Ausschlusskriterium ist daher die mangelnde Verfügbarkeit und Anwendbarkeit von Bilddaten – ohne Daten kein KI-System.

Bei einer zu geringen Anzahl an Trainingsdaten, in denen nicht alle Eigenschaften linear unabhängig repräsentiert sind, könnte der Lernalgorithmus falsche Schlüsse ableiten. Deshalb muss sichergestellt sein, dass ein ausreichender Umfang an Trainingsdaten verfügbar ist.

3. Wie einfach ist die Integration der Software in bestehende Prozesse? Wie läuft sowas ab?

Neuralyze ist eine maßgebliche Komponente, die senswork im Rahmen eigener Applikationen einsetzt. Das gibt senswork die Möglichkeit, ein maßgeschneidertes System zu entwickeln, das zu 100 Prozent auf die Daten und Rahmenbedingungen des konkreten Anwendungsfalls zugeschnitten ist.

Die Software lässt sich äußert einfach und intuitiv in bestehende Fertigungsprozesse integrieren. Wenn ausreichend geeignete Bilddaten verfügbar sind, ist die Anlernphase auf die spezifische Anwendung in wenigen Tagen realisierbar. Muss zunächst ein geeignetes Bildverarbeitungssystem konzipiert werden, erhöht sich der Aufwand.

Soll Neuralyze in einen Prozess eingeführt werden, gestaltet sich der Ablauf wie folgt:

  • Erstellen von Aufnahmen beschädigter und intakter Bauteile
  • Festlegen von Fehlerkategorien
  • Klassifikation und Labeln der Bilddaten
  • Anpassung der Auflösungen
  • Data Augmentation zur Erhöhung der Datenmenge
  • Training eines Neuronalen Netzes zur Fehlererkennung
  • Validierung der Klassifikationsgüte anhand im Training nicht verwendeter Bauteilaufnahmen
  • Integration des Neuronalen Netzes
  • Einbindung des Systems in den laufenden Produktionsprozess
  • Schulung des Personals.

In Zukunft soll die Software-Bibliothek auch als Stand-Alone-Lösung zur Verfügung stehen.

4. Wie lange dauert eine Qualitätsprüfung mit Neuralyze in der Regel? Wie sehen die Ergebnisse aus?

Das Resultat ist abhängig vom verwendeten Algorithmus oder neuronalen Netz. Grundsätzlich versuchen wir immer, die Daten in einem Format zurückzugeben, die eine maximal einfache Weiterverarbeitung mit Bildverarbeitungswerkzeugen ermöglichen (Binärbilder oder Polygone). Die Auflösung der Daten entspricht der des Kamerasystems.

Die Verarbeitungsgeschwindigkeit hängt von sehr vielen Faktoren ab, darunter der Netztopologie, der Bildgröße, der mittleren Fehlerzahl und der Rechenleistung des Prozessrechners. Zudem werden vorher und nachher häufig noch weitere Funktionen aufgerufen, ein Prüfdurchlauf ist also nicht äquivalent mit der Inferenzzeit. Daher können Aussagen hier nur individuell getroffen werden.

Der Zeitbedarf ist aktuell oft etwas höher als bei klassischen Bildverarbeitungsaufgaben und eine Inferenz in klassischen Anwendungsfeldern kann mit Bilddaten aus durchschnittlicher Bildverarbeitungshardware im Bereich von 50 ms bis mehrere Sekunden liegen. Dabei darf aber nicht vergessen werden, dass die Komplexität der Lösung meist um ein Vielfaches höher ist.

Galerie

Es werden notwendige Cookies, Google Fonts, Google Maps, OpenStreetMap, Youtube und Google Analytics geladen. Details finden Sie in unserer Datenschutzerklärung und unserem Impressum.