Automatisierte Bildverarbeitung ermöglicht Innovationen

Bilderkennung: Anwendungen von Medizin bis autonomen Fahren

Hallo, ich bin Data Scientist bei der Five1 und unterstütze Unternehmen unter anderem darin, wichtige Innnovationen durch Bilderkennung zu entfesseln. Ob in der Medizin oder im Rahmen von autonomen Fahren - die Möglichkeiten sind vielfältig. In diesem Blogbeitrag stelle ich Ihnen mögliche Anwendungsfelder von Bilderkennung vor, die auch Ihr Unternehmen zum Vorreiter machen können. 

Automatisierte Bildverarbeitung für mehr Produktivität

Haben Sie sich schon mal gefragt wie und wieso Sie ihren Schreibtisch als Schreibtisch erkennen, wenn Sie sich in ihrem Büro umschauen? Ihr Gehirn hat Methoden der Bildverarbeitung angewendet, um aus den Seheindrücken Ihres Auges das Objekt „Schreibtisch“ abzuleiten.

Ähnlich wie ein Gehirn, vermag auch ein Computer, Bilder zu verarbeiten, um daraus hilfreiche Informationen zu gewinnen. Ganz allgemein versteht man unter Bildverarbeitung die Verarbeitung von Informationen, die im weitesten Sinne als Bildinhalte aufgefasst werden. Dabei muss es sich nicht immer um Fotos und Videos handeln, auch dreidimensionale Aufnahmen, wie sie beim autonomen Fahren eingesetzt werden, gehören dazu. Allen Anwendungen gemein ist jedoch das Ziel aus Bildinformationen neue Bilder zu gewinnen oder Merkmale auszulesen.

Menschen sind Meister dieser Art von Erkennung, aber für Computer ist es immer noch eine Herausforderung – eine lohnende Herausforderung, denn die Anwendungsmöglichkeiten sind äußerst vielfältig. Im Folgenden schildern wir drei Bereiche aus unserem Arbeitsalltag, in denen wir als Data Scientists der Five1 mithilfe der automatisierten Bildverarbeitung Produktivität erhöhen, Arbeitskräfte unterstützen und entlasten, und neue Anwendungen erschließen konnten.

Quality Assurance in der Produktion

Ein bereits weit verbreiteter Anwendungsfall ist die automatisierte Qualitätssicherung in der Produktion. Kameras mit nachgeschalteten Computerauswertungen können in Sekundenbruchteilen auf einer Produktionsstraße vorbeiziehende Teile erfassen und klassifizieren. So können Verunreinigungen und Defekte entdeckt werden oder die Maßhaltigkeit überprüft werden. Je nach Produkt kommen die unterschiedlichsten Methoden zum Einsatz: Kameras im sichtbaren und infraroten Spektralbereich liefern zweidimensionale Bilder, wohingegen Radar- und Lidar-Scanner oder Durchleuchtungsmethoden wie Computertomographie und Magnetresonanztomographie dreidimensionale Daten erzeugen. Entsprechend unterschiedlich müssen die Bildverarbeitungspipelines aufgebaut werden.

Benefit: Moderne Verfahren der automatisierten Qualitätssicherung bieten große Einsparpotentiale durch höheren Durchsatz, bessere Erkennung und einfachere Überwachung der Produktion.

Autonomes Fahren

Beim autonomen Fahren ersetzen Kameras, Lidar-/Radar-Scanner und Beschleunigungssensoren die menschlichen Augen und Ohren. Die Schwierigkeit ist hier, mit sehr hoher Zuverlässigkeit und Schnelligkeit die Verkehrssituation und Umgebung des Fahrzeugs zu erkennen. Möglich macht das der Einsatz von tiefem Lernen (Deep Learning) mit neuronalen Netzen und verschiedensten anderen Verfahren aus Machine Learning und Statistik.

Das Aufkommen tiefer neuronaler Netze, die sich an menschlichen Verarbeitungsvorgängen im Gehirn orientieren, hat dem Feld der maschinellen Bildverarbeitung einen Schub gegeben. Es wurde erst machbar durch das starke Wachstum der verfügbaren Rechenleistung in den letzten 20 Jahren. So konnte wiederum der Zukunftsmarkt des autonomen Fahrens entstehen.

Diagnostik in der Health Care Branche

Die Diagnose von Erkrankungen und Verletzungen ist oft schwierig und zeitaufwändig. Bildgebende Verfahren, wie Magnetresonanztomographie oder Computertomographie, liefern komplexe dreidimensionale Daten, deren Interpretation Wissen und Erfahrung benötigt. Methoden der Bildverarbeitung können hier das behandelnde Personal unterstützen, beispielsweise indem Auffälligkeiten hervorgehoben werden, die auf einen Tumor hinweisen oder Mustererkennung bei der Blutbildanalyse.

Außerhalb der Medizintechnik sind datenschutzkonforme Systeme zur Sturzerkennung in Alten- und Pflegeheimen oder Unfallerkennung in Arbeitsstätten hilfreiche Anwendungen, die es ermöglichen Betroffenen schnell Hilfe zukommen zu lassen.

Ausblick

Die automatisierte Bildverarbeitung hat viele Anwendungsbereiche und bietet enorme Potentiale zur Produktivitätssteigerung, Arbeitsentlastung und Schaffung neuer Anwendung. Dieses Themengebiet wird weiterhin an Bedeutung gewinnen und vor allem die Kombination von Bildverarbeitung mit anderen Technologien wie der Sensorik und IoT eröffnet neue Möglichkeiten. So können beispielsweise autonome Roboter in der Logistik oder in der Landwirtschaft eingesetzt werden, um Prozesse zu optimieren und zu automatisieren. Auch im Gesundheitswesen werden neue Anwendungen entstehen, welche die Diagnostik und Therapie von Patienten verbessern und vereinfachen. Es bleibt spannend zu beobachten, wie sich die automatisierte Bildverarbeitung weiterentwicklet - unser Big Data Science Team freut sich darauf, Sie bei neuen Anwendungen unterstützen zu dürfen. 

Wie kann maschinelle Bildverarbeitung ihre Arbeit unterstützen? Wir tauschen uns gerne mit Ihnen über die vielfältigen Einsatzmöglichkeiten aus.