Funktionalitäten für Sensoren

Deep Learning: Training für den Sensor

Von Sick kommen Software-Applikationen basierend auf Deep Learning Algorithmen. Anwender von Systemlösungen in der Logistikautomation können davon profitieren.

Das Applikationssystem auf Basis von Deep Learning erkennt, ob eine Sorterschale in einem Logistik-Hub tatsächlich nur mit einem Objekt beladen ist. © Sick

Mittels Deep Learning erbringen Sensoren bei der automatischen Erkennung, Prüfung und Klassifizierung von Objekten oder Merkmalen Intelligenzleistungen, die bislang dem Menschen vorbehalten waren. Damit zählt Deep Learning als Teilbereich des maschinellen Lernens (Machine Learning) zur wohl bedeutendsten Zukunftstechnologie innerhalb des Themenfeldes der Künstlichen Intelligenz und ist zugleich auch langfristig Treiber von Industrie 4.0.

Nachdem Sick zunächst über die erfolgreiche Anwendung von Deep-Learning-Algorithmen in ersten Pilotprojekten berichtete, hat das Software-Applikationen basierend auf Deep Learning für das Systemgeschäft in der Logistikautomation entwickelt. In dieser Applikation erkennt das Deep-Learning-System ob eine Sorterschale in einem Logistik-Hub tatsächlich nur mit einem Objekt beladen ist. Dies führt zu effizienteren Warenströmen.

Training für den Sensor
Um Deep Learning zu realisieren, werden neuronale Netzwerke eingesetzt. Im Gegensatz zum Prozess der klassischen Entwicklung von Algorithmen, die hauptsächlich durch die manuelle Entwicklung einer geeigneten Feature-Repräsentation geprägt ist, wird ein neuronales Netz auf optimale Features für seine Aufgabe trainiert und kann mit geeigneten Daten immer wieder nachtrainiert werden, um sich an neue Gegebenheiten anzupassen.

Anzeige

Sowohl für den Aufbau des Trainingsdatensatzes durch das Erfassen und Bewerten von tausenden von Bildern und Beispielen, als auch für das Training der neuronalen Netzwerke, nutzt Sick als ausführende Einheit eine unabhängige hausinterne Rechner- und IT-Basis. Das umfangreiche Rechnen der komplexen Operationen der Deep-Learning-Lösung für das Training erfolgt auf speziell dafür ausgestatteten Rechnern mit hoher GPU-Performance. Die daraus generierten neuen Deep-Learning-Algorithmen werden lokal auf dem Sensor bereitgestellt und sind so unmittelbar und ausfallsicher beispielsweise auf einer intelligenten Kamera verfügbar.

Das Konzept des durch künstliche Intelligenz spezialisierten Sensors lässt sich prinzipiell auch auf einfache Sensoren, wie induktive Näherungsschalter, Reflexions-Lichtschranken, Ultraschallsensoren und andere anwenden. Darüber hinaus bieten Systemlösungen wie die immer anspruchsvoller werdende Fahrzeugklassifizierung an Mautstationen Potenzial für eine Deep Learning-gestützte Einteilung von Fahrzeugen in Mautklassen. as

Anzeige

Das könnte Sie auch interessieren

Anzeige
Anzeige
Anzeige
Anzeige

Positioning systems

Just one sensor

SIL 3/PL e compliant absolute positioning with a single sensor. With the latest generation of positioning systems, the Mannheim-based company has again succeeded in developing a pioneering solution; for the very first time, the safePXV system...

mehr...
Anzeige
Anzeige
Anzeige

Drucksensoren

Fluidsensorik

Turck hat die Drucksensorserie PS+ vorgestellt. Diese robusten Sensoren sind die ersten Produkte einer modular angelegten Fluidsensorik-Familie, mit der Kunden zuverlässige und intuitiv bedienbare Messinstrumente erhalten.

mehr...