{"id":4681,"date":"2024-04-24T10:39:01","date_gmt":"2024-04-24T08:39:01","guid":{"rendered":"https:\/\/westcam2023.westcam.web-crossing.com\/?post_type=product&p=4681"},"modified":"2024-11-12T13:22:13","modified_gmt":"2024-11-12T12:22:13","slug":"qualitaetspruefung-mit-ki","status":"publish","type":"product","link":"https:\/\/westcam2023.westcam-staging.web-crossing.com\/en\/produkte\/bildverarbeitung\/machine-learning-ki\/qualitaetspruefung-mit-ki\/","title":{"rendered":"Qualit\u00e4tspr\u00fcfung mit k\u00fcnstlicher Intelligenz (KI)"},"content":{"rendered":"\n
\n
\n
\n
Statt klassischer Bildverarbeitung und \u201eintelligenten\u201c Plug- & Play-Sensoren <\/div>\n\n\n\n

Qualit\u00e4tspr\u00fcfung mit k\u00fcnstlicher Intelligenz (KI)<\/h1>\n\n\n\n

Wir besch\u00e4ftigen uns intensiv mit Machine Learning \u2013 einem Teilbereich des Fachgebiets der K\u00fcnstlichen Intelligenz.<\/strong><\/p>\n\n\n\n

Aus dem Bereich der klassischen Bildverarbeitung kommend, dreht sich bei uns auch im Machine Learning<\/strong> alles rund um die Verarbeitung von Bilddaten. <\/p>\n\n\n\n

Auch komplexere Aufgaben, bei der die Kombination von klassischen Algorithmen und Machine Learning oder die Kombination verschiedener Datenquellen (Analyse mehrerer Bilder eines Objektes, Einbinden zus\u00e4tzlicher Sensordaten oder Benutzereingaben) ben\u00f6tigt werden, k\u00f6nnen von uns realisiert werden.<\/p>\n\n\n\n

\n
Jetzt Anfragen<\/a><\/div>\n<\/div>\n<\/div>\n\n\n\n
\n
\"Qualit\u00e4tspr\u00fcfung<\/figure>\n\n\n\n
\n
Highlights<\/div>\n\n\n\n
    \n
  • Klassifizierung<\/li>\n\n\n\n
  • Multimodale Datenverarbeitung<\/li>\n\n\n\n
  • Objekt Erkennung & Lokalisierung<\/li>\n\n\n\n
  • Anomalie-Detektion<\/li>\n<\/ul>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n\n\n\n
    \n
    \"\"<\/figure>
    \n

    Klassifizierung<\/h3>\n\n\n\n
      \n
    • Unterscheidung in beliebige Klassen (z.B. [gut , schlecht], oder [gut , Fehlerart 1 , Fehlerart 2]).<\/li>\n\n\n\n
    • Training anhand einer gro\u00dfen Anzahl an Trainingsdaten aller Klassen.<\/span><\/li>\n\n\n\n
    • Erkennung von sehr feinen Unterschieden m\u00f6glich.<\/li>\n<\/ul>\n<\/div><\/div>\n\n\n\n
      \n

      Multimodale Datenverarbeitung (\u201eerweiterte Klassifizierung\u201c)<\/h3>\n\n\n\n
        \n
      • Unterscheidung in beliebige Klassen (z.B. [optimale Qualit\u00e4t , mittlere Qualit\u00e4t , Ausschuss]).<\/li>\n\n\n\n
      • Training anhand einer gro\u00dfen Anzahl an Trainingsdaten aller Klassen.<\/span><\/li>\n\n\n\n
      • Eingangsdaten verschiedener Quellen werden kombiniert.z.B. Mehrere Kamera-Bilder, zus\u00e4tzliche Produktinformationen wie Farbe, Form oder Gewicht oder eine Benutzereingabe.<\/span><\/li>\n\n\n\n
      • Kombination verschiedener Algorithmen m\u00f6glich.<\/span><\/li>\n\n\n\n
      • Erkennung von Unterschieden, welche nur aus der Kombination verschiedener Daten m\u00f6glich ist. Kontrolle eines gesamten Produktes m\u00f6glich (z.B. der gesamten Oberfl\u00e4che durch mehrere Aufnahmen welche gemeinsam bewertet werden).<\/li>\n<\/ul>\n<\/div>
        \"\"<\/figure><\/div>\n\n\n\n
        \"\"<\/figure>
        \n

        Erkennung & Detektion<\/h3>\n\n\n\n

        Objekt Erkennung & Lokalisierung <\/span><\/strong><\/p>\n\n\n\n

          \n
        • Erkennen von Objekten inklusive der Bestimmung deren Position.<\/span><\/li>\n\n\n\n
        • Training anhand von Trainingsdaten aller Objekte.<\/span><\/li>\n\n\n\n
        • Hierdurch sind unter anderem Anwesenheitskontrollen, oder das Z\u00e4hlen von Objekten m\u00f6glich.<\/li>\n<\/ul>\n\n\n\n

          Anomalie-Detektion<\/strong><\/p>\n\n\n\n

            \n
          • Unterscheidung in \u201enormale\u201c und \u201eanomale\u201c Daten.<\/li>\n\n\n\n
          • \u00dcblicherweise wird mit einer geringen Anzahl an normalen und anomalen Daten trainiert. Wenn nicht anders m\u00f6glich, ist ein Training auf Basis von 100 % normal-Beispielen m\u00f6glich.<\/span><\/li>\n\n\n\n
          • Je nach Auspr\u00e4gung von Anomalien ist eine mittlere bis gute Erkennungsgenauigkeit m\u00f6glich.<\/li>\n<\/ul>\n<\/div><\/div>\n<\/div>\n\n\n\n
            \n

            H\u00e4ufig gestellte Fragen (FAQs)<\/h3>\n\n\n\n