Maschinelles Sehen mit KI Qualitätssicherung

an der DHBW in Mosbach / Baden-Württemberg (DE)

Forschungs- / Einsatzbereich: Die Anwendung von Schwarmintelligenz, insbesondere die Adaption von naturinspirierten Algorithmen auf Anwendungsgebiete der Logistik

Labor und Kompetenzzentrum für "Schwarmbasierte Logistik" der Dualen Hochschule in Mosbach
Campus Bad Mergentheim / Baden-Württemberg (DE)
Einsatzzeitraum 2023

Download

DIE HERAUSFORDERUNG

Prof. Dr. Carsten Müller erforscht die Anwendung von Schwarmintelligenz, insbesondere die Adaption von natur-inspirierten Algorithmen auf Anwendungsgebiete der Logistik. Fokus der ersten Phase in Forschung und Lehre ist das Maschinelle Sehen als Schlüsseltechnologie für die
stabile Klassifizierung von Objekten und Situationen im Kontext des autonomen Fahrens. In den weiteren Phasen werden hybride Algorithmen auf Basis von Schwarmintelligenz und Reinforcement Learning integriert. Zu erforschende Fragen betreffen Gebiete wie die Verteilung von Fähigkeiten, dynamische Rollen und Zuständigkeiten, Verhaltensregeln in unterschiedlichen Situationen und die Interaktion zwischen den autonomen Lieferrobotern sowie mit dem Menschen.

Das fischertechnik Modell ist leistungsfähig, smart und intuitiv zu bedienen und somit hervorragend dafür geeignet, Künstliche Intelligenz zu lehren.

Prof. Dr. Carsten Müller, Dozent

DIE LÖSUNG

Bei seiner Forschung und Lehrtätigkeit zu Künstlicher Intelligenz mit dem Fokus auf Maschinelles Sehen wird die leistungsfähige Technologie von fischertechnik „Qualitätssicherung mit KI“ eingesetzt. „Das Zusammenspiel von Software und Haptik schafft Verständnis für Künstliche Intelligenz“, begründet Carsten Müller seine Entscheidung für fischertechnik. Die fischertechnik Qualitätssicherung mit KI wird mit Werkstücken in verschiedenen Farben geliefert. Diese Werkstücke sind mit drei Bearbeitungsmerkmalen sowie verschiedenen Fehlerbildern versehen. Sie werden von der Kamera gescannt und mit Hilfe von Supervised Learning klassifiziert und einsortiert – je nach Farbe, Merkmal und Fehlerbild. Die verwendete KI ist mit maschinellem Lernen in Tensorflow realisiert, bei dem ein künstliches neuronales Netz mit Bilddaten eintrainiert wurde. Die eingelernte KI wird auf dem fischertechnik TXT 4.0 Controller ausgeführt, der für zahlreiche Anwendungen die passenden, kabellosen Schnittstellen bietet. Die Ablaufsteuerung des Modells ist in der Programmierumgebung Robo Pro Coding und in Python implementiert. Zusätzlich besteht die Möglichkeit, eigene KI-Anwendungen zu programmieren. Das Eintrainieren erfolgt über
einen Algorithmus auf Basis von Python, einer universellen, höheren Programmiersprache. Für die Möglichkeit des Eintrainierens steht ein Beispielprojekt bereit.

Die Veranschaulichung, welche Möglichkeiten uns die Künstliche Intelligenz bietet und wie sie die Zukunft der Technologien bestimmen wird, war für mich ein sehr deutlich praxisbezogenes Beispiel.

Marcel K., Student

DAS ERGEBNIS

Im Verstehen der komplexen Vorgänge des Supervised Learning wird deutlich, wie intelligente Maschinen in der Industrie funktionieren. „Das
fischertechnik Modell ist leistungsfähig, smart und intuitiv zu bedienen und somit hervorragend dafür geeignet, Künstliche Intelligenz zu lehren“, erläutert Carsten Müller.