«Wir waren auf der Suche nach einer schnellen und einfachen Lösung, die uns die Erkennung von Drahtanschlüssen in einer robotischen Schaltschrank-Montagestation ermöglicht. Mit SynthAI waren unsere Steuerungsingenieure in der Lage, innerhalb weniger Stunden grossartige Ergebnisse zu erzielen», so Omer Einav, CEO von Polygon Technologies. «Die mühsame Aufgabe, einen grossen Satz von Trainingsbildern zu definieren und das Modell zu trainieren, wurde erheblich verkürzt. Die Ergebnisse sind sehr vielversprechend für viele weitere Anwendungsfälle, die wir mit SynthAI angehen wollen.»
Maschinelles Lernen wird für eine Vielzahl von Automatisierungsanwendungen eingesetzt, die auf Bildverarbeitung basieren, unter anderem für die Kommissionierung von Behältern durch Roboter oder auch Sortierung, Palettierung und Qualitätsprüfung. Einerseits wird maschinelles Lernen immer öfter für die bildverarbeitungsbasierte Automatisierung genutzt. Andererseits stellt diese Technologie viele Branchen vor Herausforderungen; und die Unternehmen haben Schwierigkeiten, ML in ihren Bildverarbeitungsanwendungen zu implementieren. Der Grund dafür ist die Notwendigkeit, viele Bilder der betreffenden Teile zu sammeln. Zudem müssen die verschiedenen, auf diesen Bildern sichtbaren Produkte genau identifiziert werden – eine grosse Herausforderung insbesondere vor Beginn der Produktion oder Fertigung dieser Produkte.
Um dieses Problem zu lösen, werden synthetische Daten verwendet, um die Datenerfassung und den Trainingsprozess zu beschleunigen. Die Nutzung synthetischer Daten für Bildverarbeitungsanwendungen erfordert jedoch Fachwissen über die Erzeugung synthetischer Bilder und kann komplex, zeitaufwendig und teuer sein. An dieser Stelle setzt SynthAI von Siemens an. Anstatt auf fertige Teile zu warten oder komplexe Prozesse zur Erzeugung synthetischer Daten anzuwenden, müssen Bildverarbeitungsspezialisten lediglich 3D-CAD-Daten der Teile bereitstellen. SynthAI generiert dann innerhalb von Minuten automatisch Tausende von synthetischen Bildern mit zufälligen Kommentaren ohne die normalerweise erforderlichen Fachkenntnisse.