Auf dem 75. Heidelberger Bildverarbeitungsforum drehte sich alles um das Thema „Bildverarbeitungs­algorithmen: Von Low-Level bis Deep Learning“. Trotz der Corona-bedingten Verlagerung auf den virtuellen Raum büßte die Traditionsveranstaltung nicht an ­Attraktivität ein: Laut Veranstalter kamen ähnlich viele wie zu den Foren vor Ort. Zu Recht, denn inhalt­lich bot das Event reichlich Stoff aus Forschung und ­industrieller Praxis.

Das 25-jährige Jubiläum des Heidelberger Bildverarbeitungsforums war zugleich der Einstand eines Formatwechsels: Zum 75. Mal fand die Veranstaltung statt und zum ersten Mal rein virtuell. Auch hier sorgte das Coronavirus für diese maßgebliche Änderung. Dennoch betont Mitorganisator und Moderator Prof. Dr. Bernd Jähne: „Wir haben keine Reduktion der Teilnehmer dadurch. Es gab 120 Anmeldungen (inkl. Referenten und Beirat) und fast alle hören und sehen zu.“ Und das, obwohl das Bildverarbeitungsforum für normale Teilnehmer aus der Industrie 199 Euro verlangt, für Studenten immerhin noch rund 45 Euro. Das stabile Interesse darf der Veranstalter, der Aeon Verlag, also als Bestätigung für die eigene Arbeit werten.

Das Thema der 75. Ausgabe war „Bildverarbeitungsalgorithmen: Von Low-Level bis Deep Learning“. Dazu gab es unter anderem einen Beitrag von Dr. Wolfgang Eckstein, Mitgründer von MVTec, der die Anforderungen an allgemein einsetzbare Bildverarbeitungs-Algorithmen erläuterte. Keine Frage, diese müssen ein sehr breites Spektrum von Anwendungen und Einsatzbedingungen abdecken. Der Vortrag machte allerdings deutlich, dass die Palette vielleicht noch breiter ist, als man annimmt.
Danach referierte Prof. Dr. Bernd Jähne über „Optimale Bildvorverarbeitung im Zeitalter des maschinellen Lernens“. Darin sprach er sich gegen den ausschließlichen Fokus auf maschinelles Lernen innerhalb der Bildverarbeitung aus auf Kosten von traditionellen Ansätzen wie Beleuchtung oder Aufnahmemodalität. So plädiert er dafür, ungewollte Bildvariationen lieber zu vermeiden, anstatt sie mit viel Aufwand einem neuronalen Netzwerk anzutrainieren. In den weiteren Ausführungen ging er anhand einiger Beispiele detailliert darauf ein, wie sich so manche Probleme ganz ohne KI lösen lassen. Dadurch, schließt Jähne, erhält der Algorithmus bessere Bilddaten, wodurch die künstliche Intelligenz im Nachgang ihre Arbeit zuverlässiger und vor allem schneller erledigen kann.

Danach sprach Petra Gospodnetic vom Fraunhofer ITWM über die „Automatische Ansichtenplanung in der Oberflächeninspektion“. Sie beschrieb einen Algorithmus, der in Abhängigkeit von Material, Lichtverhältnissen, Fehlerdarstellung und ausreichender Abdeckung selbstständig den optimalen Blickwinkel der Kamera für die Inspek­tionsaufgabe berechnet.

Markus Rauhut, ebenfalls vom Fraunhofer ITWM, zeigte anhand mehrerer konkreter Beispiele, dass sich Machine Learning durchaus schon heute für den Einsatz in der industriellen Produktion eignet. In seinem Vortrag „Machine Learning in der Bildverarbeitung für Produktion und Industrie“ beschreibt er die Vorteile, wie eine hohe Flexibilität und Stabilität sowie eine schnelle Zuordnung von OK/nicht-OK-Teilen und insgesamt niedrigere Kosten. Allerdings gebe es keine optimale Lösung von der Stange. Vielmehr müsse Machine Learning mit klassischen Verfahren der Bildverarbeitung kombiniert werden, um ein in allen Belangen zufriedenstellendes Ergebnis zu erhalten.

Prof. Dr. Joachim Weickert, Mitglied der Mathematical Image Analysis Group der Saarland University in Saarbrücken, referierte abschließend über das Thema „Von mathematisch fundierter Bildverarbeitung zu neuronalen Netzwerken“. Er erläuterte den Nutzen davon, modellbasierte mathematische Modelle in die Daten-getriebene Welt der neuronalen Netze zu übertragen. Unter anderem ließen sich dadurch zuverlässigere neuronale Netze erstellen. Außerdem ließen sich dadurch neue Funktionen leichter implementieren sowie leistungsfähigere Modelle erstellen, so Weickert.

Das 76. Heidelberger Bildverarbeitungsforum findet am 6. Oktober 2020 erneut rein virtuell statt. Diesmal geht es um „Sehende Maschinen“.