„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.

SynthAI trainiert ebenso automatisch ein maschinelles Lernmodell, das zur Erkennung eines Produkts im realen Leben verwendet werden kann. Sobald das Training abgeschlossen ist, kann das trainierte Modell heruntergeladen, getestet und offline eingesetzt werden – es ist dazu lediglich ein wenig Python-Programmierung notwendig.  Wenn Unternehmen es vorziehen, das Training ihrer eigenen Systeme zu übernehmen, sind komplette synthetische Bilddaten zusammen mit den Anmerkungen ebenfalls verfügbar.

„Es wird erwartet, dass der Markt für künstliche Intelligenz für Machine Vision bis 2023 ein Volumen von 25 Milliarden Dollar erreichet. Aber es gibt viele Heraus­forderungen für diejenigen, die die Vorteile dieser Technologie nutzen wollen“, sagte Zvi Feuer, Senior Vice President and General Manager Digital Manufacturing von Siemens Digital Industries Software. „SynthAI zeigt, wie Siemens sein Knowhow sowohl in der Produkt­entwicklung als auch in der Produktions­vorbereitung und -planung nutzt, um Raum für Innovationen zu schaffen, die es unseren Kunden ermöglichen, schon heute die Vorteile der Technologie von morgen zu nutzen.“