Deep Learning wird zunehmend zu einem unverzichtbaren Element in Lösungen für maschinelles Sehen. Seine Anwendung erweist sich als besonders nützlich zur Identifizierung von Objekten und Merkmalen in Bildern. Es ist eine Unterkategorie des maschinellen Lernens und basiert auf neuronalen Netzen. Die Technologie ist unübertroffen, wenn sie in Fällen eingesetzt wird, in denen komplexe und unterschiedliche Bildbedingungen vorliegen. In Fertigungsanwendungen ergänzen Deep-Learning-Tools herkömmliche maschinelle Sehwerkzeuge, da sie die Ingenieursfähigkeiten verbessern und Prozesse optimieren, indem sie unmögliche Aufgaben ausführen.
Andrew Zosel, Senior Vice President und General Manager bei Zebra Technologies, beschreibt Deep-Learning-Tools, die in der Computer Vision eingesetzt werden, als ein sich ergänzendes Set von Technologien für die traditionelle maschinelle Vision. Während maschinelle Sehensysteme Kameras und Sensoren verwenden, um visuelle Daten zu erfassen, verarbeiten KI-Algorithmen diese Daten, um Entscheidungen zu treffen oder Aktionen auszulösen. Computer Vision ist eine Anwendung des maschinellen Lernens, die Informationen aus digitalen Bildern und Videos in sinnvolle Informationen für Entscheidungen verarbeitet.
Hersteller erzielen beispiellose Genauigkeit, wenn sie die überlappenden Technologien sowohl der maschinellen Vision als auch der Computer Vision nutzen. Diese Visionstechnologien transformieren die Qualitätskontrolle, automatisierte Inspektionen und Fehlererkennung in einer Reihe vertikaler Märkte. Zebra Technologies hat Deep-Learning-Lösungen für Automobil-, Halbleiter- und Elektronikanwendungen sowie Inspektionsanwendungen für kosmetische Mängel entwickelt. Die Kosten für Visionenlösungen können von einfachen Visionssensoren bis hin zu hochwertigen Hochleistungskameras reichen – abhängig von der Anwendung. Andrew Zosel erklärt, dass der Einsatz von maschineller Vision in Verbindung mit einem Roboter oder einem anderen Handhabungssystem die Gesamtkosten des Systems möglicherweise erheblich erhöhen kann.
Die Kosten für den Einsatz von Visionssystemen werden jedoch besser zu rechtfertigen sein, wenn Spezialisten für Visionssysteme die Benutzerfreundlichkeit und Implementierung erleichtern und die Benutzeroberflächen verbessern. Zebra Technologies verwendet Deep-Learning-OCR, um diese Anwendungen mühelos zu lesen. Dies ermöglicht es ihnen, Kamera- und Maschinensysteme bereitzustellen und ihren Kunden auf Wegen zu helfen, die sie traditionell als schwierig empfunden hätten.