Computer Vision in der Praxis: Vom KI-Modell zur produktiven Lösung

Computer Vision bezeichnet Verfahren, mit denen Computer Informationen aus Bildern oder Videos erkennen und verarbeiten können. Dazu gehören beispielsweise die Klassifikation von Bildern, das Erkennen von Objekten oder die genaue Lokalisierung bestimmter Bereiche innerhalb eines Bildes.

In industriellen Anwendungen kann Computer Vision zum Beispiel zur Qualitätskontrolle, zur Erkennung von Abweichungen oder zur Unterstützung von Prüfprozessen eingesetzt werden.

Für das Training benötigt die KI zunächst geeignete Bilddaten. Diese Bilder werden typischerweise mit Informationen versehen, die beschreiben, was auf ihnen zu sehen ist. Je nach Aufgabenstellung können das beispielsweise Objektklassen, Qualitätsmerkmale oder markierte Bildbereiche sein.

Während des Trainings lernt das Modell anhand vieler Beispiele, charakteristische visuelle Merkmale zu erkennen. Anschließend wird mit separaten Testdaten überprüft, wie zuverlässig das Modell auch mit bisher unbekannten Bildern arbeitet.

Entscheidend ist dabei nicht nur die Menge der Trainingsdaten, sondern vor allem deren Qualität und Repräsentativität für den späteren Einsatz.

Bei der Segmentierung wird ein Bild nicht nur als Ganzes bewertet. Stattdessen ordnet das Modell einzelne Pixel bestimmten Objekten oder Bereichen zu.

So kann beispielsweise nicht nur erkannt werden, dass ein bestimmtes Merkmal vorhanden ist, sondern auch wo genau es sich befindet und welche Form oder Ausdehnung es hat.

Segmentierung eignet sich deshalb besonders für Anwendungen, bei denen die genaue Position oder Fläche eines Merkmals relevant ist.

Bei der Klassifikation wird ein gesamtes Bild einer bestimmten Kategorie zugeordnet.

Bei der Objekterkennung erkennt die KI einzelne Objekte innerhalb eines Bildes und bestimmt deren Position, beispielsweise durch einen Rahmen.

Bei der Segmentierung erfolgt die Erkennung noch detaillierter: Einzelne Pixel werden bestimmten Objekten oder Bereichen zugeordnet.

Welche Methode sinnvoll ist, hängt von der konkreten Aufgabenstellung ab.

Dafür gibt es keine allgemeingültige Zahl. Der Bedarf hängt unter anderem von der Komplexität der Aufgabe, der Variabilität der Objekte und den Umgebungsbedingungen ab.

Entscheidender als eine möglichst große Datenmenge ist häufig, ob die Trainingsdaten die Realität ausreichend abbilden. Unterschiedliche Objektvarianten, Perspektiven, Beleuchtungssituationen oder relevante Sonderfälle sollten im Datensatz vertreten sein.

Ein KI-Modell analysiert die Bildinformationen, die ihm zur Verfügung stehen. Verändern sich Licht, Schatten, Reflexionen oder Kontraste stark, kann sich auch das Erscheinungsbild eines Objekts verändern.

Eine kontrollierte und möglichst reproduzierbare Beleuchtung verbessert deshalb die Qualität der Bilddaten und erleichtert dem Modell die zuverlässige Erkennung.

Die Gestaltung der Aufnahmesituation ist daher ein wichtiger Bestandteil eines Computer-Vision-Systems.

Nicht in jedem Fall – in vielen produktiven Anwendungen ist es aber sinnvoll, die Qualität des Modells kontinuierlich zu beobachten.

Verändern sich beispielsweise Produkte, Materialien, Kamerapositionen oder Beleuchtungssituationen, können neue Trainingsdaten erforderlich werden. Ein strukturierter Nachlernprozess hilft dabei, das Modell an relevante Veränderungen anzupassen.

Dafür werden verschiedene Kennzahlen verwendet. Welche Kennzahl relevant ist, hängt von der konkreten Aufgabe ab.

Neben klassischen Größen wie Accuracy sind beispielsweise Precision, Recall oder bei Segmentierungsaufgaben die Übereinstimmung zwischen vorhergesagten und tatsächlich markierten Bildbereichen relevant.

Für eine produktive Lösung reicht eine gute Kennzahl allein jedoch nicht aus. Entscheidend ist letztlich, ob das gesamte System im realen Prozess zuverlässig die benötigten Informationen liefert.

Computer Vision in der Lebensmittelindustrie

HookTracing®, eine KI-Bilderkennung für Tiere

MeatVision, ein KI-System zur visuellen Erkennung von (Fleisch-) Produkten