Mit der Nutzung dieser Webseite akzeptieren Sie unsere Nutzung von Cookies. Weitere Informationen über Cookies finden Sie hier
Zustimmen
Infopulse - Softwareentwicklung & Infrastruktur-Management-Services
Mit der Nutzung dieser Webseite akzeptieren Sie unsere Nutzung von Cookies. Weitere Informationen über Cookies finden Sie hier
Zustimmen
Infopulse - Softwareentwicklung & Infrastruktur-Management-Services
Infopulse - Softwareentwicklung & Infrastruktur-Management-Services
reCAPTCHA

    Angebot anfordern Bitte füllen Sie dieses kurze Formular aus und wir senden Ihnen in Kürze ein kostenloses Angebot zu.
    * Pflichtfelder
    Der Schutz Ihrer Privatsphäre ist uns wichtig. Wir werden Ihre Informationen niemals weitergeben.

      Abonnieren Sie unsere Updates Seien Sie unter den Ersten, die exklusive Einblicke in die IT, die Innovationen und Best Practices erhalten.
      * Pflichtfelder
      Der Schutz Ihrer Privatsphäre ist uns wichtig. Wir werden Ihre Informationen niemals weitergeben.

        Subscribe to our New career opportunities Please fill in this quick form to be among the first to receive our updates.
        * Required fields
        Your privacy is important to us. We will never share your data.
        reCAPTCHA
        * Required fields
        Your privacy is important to us. We will never share your data.
        

          Photo of Alexander Kolotinets Senden Sie eine E-Mail an Alexander Kolotinets Bitte füllen Sie dieses kurze Formular aus, um unseren Experten direkt zu kontaktieren.
          * Pflichtfelder
          Der Schutz Ihrer Privatsphäre ist uns wichtig. Wir werden Ihre Informationen niemals weitergeben.

            Download ebook Please fill in this quick form
            * Pflichtfelder
            Der Schutz Ihrer Privatsphäre ist uns wichtig. Wir werden Ihre Informationen niemals weitergeben.

              Read the Full Case Study Don't miss the most interesting part of the story!
              Submit this quick form to see the rest and to freely access all case studies on our website.
              * Required fields
              Der Schutz Ihrer Privatsphäre ist uns wichtig. Wir werden Ihre Informationen niemals weitergeben.
              Infopulse - Expert Software Engineering, Infrastructure Management Services

              Implementierung eines Convolutional Neural Network für Fertigungszwecke

              KI-basiertes Gerät erkennt Daten von alten Messgeräten in unter 2 Sekunden

              Kunde: Integrierter Innovationsdienstleister
              Branche: Fertigung
              Standort: Deutschland
              Mitarbeiter: 50+

              Herausforderung des Unternehmens

              Viele Fabriken mit kontinuierlicher Produktion verlassen sich noch auf die manuelle Datenerfassung von alten Messgeräten. Diese Messgeräte wurden vor Jahren installiert und erfüllen perfekt ihre Hauptfunktionen. Solche Arbeitsgeräte durch hochmoderne APIs zu ersetzen, kann zu hohen Kosten führen. Daher suchen die Hersteller nach wirtschaftlich sinnvollen Lösungen, um den Abruf und das Senden der Daten in die Cloud zu automatisieren.

              Unser Kunde, der für seine innovativen digitalen Initiativen bekannt ist, bat uns um Unterstützung bei der Entwicklung einer Lösung mit Computer Vision und IoT für seinen Kunden aus der Metallherstellung. Diese sollte die Ablesung alter Messgeräte automatisieren und so die Fertigungsleistung optimieren sowie menschliche Fehler reduzieren. Es ist ziemlich kompliziert, alte Messgeräte (Waagen, Thermoelemente, Barometer, Sensoren usw.) nachzurüsten und in ein modernes IT-Ökosystem zu integrieren, das den Anforderungen der Prozessdigitalisierung gemäß Industrie 4.0 / OPC Unified Architecture und IoT-Standards entspricht. Wir mussten herausfinden, wie man mit einem Gerät im Taschenformat schnell Daten auf Messuhren oder 7-Segment-Anzeigen erkennen kann.

              Lösung

              Das F&E-Team von Infopulse trainierte ein Convolutional Neural Network (CNN), um die Ziffern auf den Messgeräten des Kunden sofort zu erkennen – trotz Bildfehlern auf 7-Segment-LCD-Displays wie Blendungen, weißen Flecken, Reflexionen von Objekten oder Personen usw. Um die Ziffern zu variieren, verarbeiteten unsere Entwickler 10 GB an Messgerätebildern, die sie von einem Hersteller erhalten hatten, sowie hochgeladene Ad-hoc-Bilder und andere Open-Source-Beispiele. Am Ende standen 20 GB an Bildern für den Aufbau des Convolutional Neural Network zur Verfügung.

              Das Team entschied sich für Theano und Keras als Open-Source-Toolkit für maschinelles Lernen, um Entwicklungskosten zu sparen, und speiste einmalig alle Bilder in ein neuronales Netzwerk auf einer leistungsstarken Amazon AWS Virtual Machine ein. Dann begannen wir mit dem eigentlichen Training des Netzwerks. Das beinhaltete das Zählen, die Unterscheidung von kleinen und großen Zahlen und die Umwandlung der Zeigerposition auf einer Messuhr in einen bestimmten digitalen Wert. Nach Erreichen des gewünschten Ergebnisses haben wir das entwickelte CNN über ein Raspberry-Pi-3-Gerät mit HD-Kamera bereitgestellt.

              Technologien: Raspberry Pi 3, ARM32, Theano, Keras, Python, AWS

              Technologiebereiche: Computer Vision, IoT, eingebettete Systeme, Data Science

              Geschäftlicher Mehrwert

              Implementierung eines Convolutional Neural Network für Fertigungszwecke - Infopulse - 1

              • Die KI-Bilderkennung erfolgt in weniger als 2 Sekunden mit einem kleinen Handheld-Gerät.
              • Die empfangenen Daten werden per WLAN automatisch in einer Datenbank gespeichert.
              • Das MVP-Release wurde in nur 2 Wochen entwickelt. Das produktionsreife System wurde nach 3 Monaten vom Infopulse-Team, bestehend aus zwei Ingenieuren und einem Architekten, freigegeben.
              • Wir halfen dem Kunden, Entwicklungskosten zu sparen, indem wir Theano und Keras als kostenlose Open-Source-Software (FOSS) einsetzten.
              • Wir erreichten eine hohe Fehlertoleranz durch die Zuverlässigkeit der gewählten Hardware und der entwickelten fehlerfreien Software.
              • Darüber hinaus hat die entwickelte Lösung, nachdem ein Kunde sie implementiert hatte, das Interesse anderer großer Kunden geweckt, wie zum Beispiel Automobil- und Getränkehersteller.