Zählsysteme mit Computer Vision
Die schnelle und kontinuierliche Entwicklung der Computer Vision, angetrieben durch die ebenso stetige und rasante Weiterentwicklung von Künstlicher Intelligenz und Advanced Analytics, ermöglicht ihren Einsatz in immer mehr Aufgaben und Branchen. Überwachung, Anomalieerkennung, Fehleridentifikation oder Materialklassifizierung sind Tätigkeiten, die bereits der Computer Vision übertragen werden und die sie mit einem hohen Maß an Effizienz löst – deutlich über dem, was menschliche Fähigkeiten in diesen Prozessen leisten können.
Ein weiterer Schritt besteht darin, Computern nicht nur die Fähigkeit zu geben, zu sehen, sondern auch aus den Bildern zu lernen, die sie empfangen und analysieren (Machine Learning). Auf diese Weise – indem man die Systeme auf die Erkennung der festgelegten visuellen Elemente trainiert – führen sie die Vorgänge autonom aus, sparen den Teams Zeit und gewährleisten maximale Effizienz in den Prozessen.
Eine der Aufgaben, bei denen Computer Vision erfolgreich eingesetzt wird und auf die wir uns in diesem Beitrag konzentrieren, ist das Zählen von Produkten, Materialien, Paketen … Durch die Erfassung von Bildern – entweder als Video oder als Foto – lässt sich die Anzahl der Elemente, Produkte oder Personen in einem bestimmten Bildausschnitt wesentlich schneller, präziser und genauer bestimmen. In Sekundenbruchteilen kann die Zählung ermittelt werden – etwa der Ladung einer Palette, gestapelter Elemente, der Artikel in den Regalen eines Lagers, der Früchte auf einem Förderband, der Fahrzeuge auf einer Straße oder der Personen in einem Bereich, zum Beispiel.
All diese Informationen, die in Echtzeit und mit nahezu 100 % Zuverlässigkeit der Ergebnisse gewonnen werden, vereinfachen die Ausführung mechanischer Aufgaben erheblich, wie das Verpacken von Artikeln mit mehreren Einheiten (Samen, Schrauben …), den Wareneingang oder -ausgang von Materialien (Metallplatten, Holzleisten …) oder das Bestandsmanagement (Pakete, Fertigprodukt …), und erleichtern die Entscheidungsfindung – bei Zeitersparnis und höherer Effizienz.
ZÄHLSYSTEME
COMPUTER VISION
Nutzen Sie das volle Potenzial von Technologie und Künstlicher Intelligenz in Ihrem Unternehmen
Bildaufnahme und -verarbeitung
Der Prozess, um das Zählergebnis zu erhalten, ist äußerst einfach: Es genügt, ein Bild des zu zählenden Materials aufzunehmen – sowohl homogen als auch heterogen. Auf dieser Basis bestimmt das System die Anzahl der Referenzen, deren Position sowie Datum und Uhrzeit der Zählung, stellt die Informationen in Echtzeit bereit und erzeugt eine Aktivitätshistorie, die später für Bestandsmanagement, Nachfrageprognosen, Logistikoptimierung … genutzt werden kann.
Damit Computer Vision diese Funktion ausführen kann, benötigen wir optische Geräte zur Foto- oder Videoaufnahme, die heute weit verbreitet und dank Smartphones und Tablets ständig verfügbar sind – sehr nützliche Werkzeuge, zum Beispiel entlang der Lieferkette. Nach der Aufnahme kommen im Prozess fortschrittliche Algorithmen zum Einsatz, die die Informationen des Bildes anhand vordefinierter Parameter analysieren – abhängig vom zu erreichenden Ziel, auf das das System zuvor trainiert wurde.
Auf Basis unserer Erfahrung in der Entwicklung von Computer-Vision-Systemen zum Zählen unterschiedlicher Elemente können wir bestätigen, dass diese Tools sehr gute Ergebnisse liefern. Sie sind hochzuverlässig, mit einer Effektivität von über 98 % bei der Identifikation der SKU (Stock Keeping Unit) bzw. der wichtigsten eindeutigen Referenznummern.
Damit der Prozess jedoch dieses Maß an Operativität erreicht, ist – wie bereits erwähnt – eine vorgelagerte Trainingsphase des Algorithmus mit realen Bildern erforderlich. So lernt das System, die Bilder zu erkennen, die es identifizieren soll, automatisiert die Erkennungsprozesse und optimiert die Performance der Anwendung. Sehen wir uns zwei Beispiele an, um zu veranschaulichen, was wir zählen.
Beispiele für Zählungen mit Computer Vision
Nehmen wir an, in einem Industriebetrieb trifft ein Lkw ein, beladen mit Dutzenden Bewehrungsstäben – alle gleich, mit kleinem Durchmesser und gestapelt, ähnlich den in Abbildung 2 gezeigten Gerüstbauteilen. Für das Transportinventar und die im Lager einzubuchenden Einheiten müssen die Mitarbeitenden lediglich mit einem Smartphone oder Tablet ein Foto der Ladung machen – entsprechend dem festgelegten Bildausschnitt. Das System, für diesen konkreten Fall und für so viele weitere, wie im Unternehmensumfeld benötigt werden, trainiert, analysiert das Bild und erkennt die darin enthaltenen Elemente als einzelne Teile. Dadurch liefert es uns in Echtzeit eine Zählung der zu vereinnahmenden Einheiten und spart uns im Prozess viel Zeit.
Ein weiterer sehr verbreiteter Anwendungsfall ist das Zählen von Teilen oder Produkten beim Durchlauf über Förderbänder in Hochproduktionslinien. Nehmen wir an, ein Lebensmittelbetrieb verarbeitet Äpfel in großen Mengen, die im Produktionsprozess mit hoher Geschwindigkeit über Bänder verteilt werden. Die Kombination aus Kameras und dafür entwickelten und trainierten Computer-Vision-Programmen identifiziert die Früchte anhand der Merkmale, auf die das System trainiert wurde, und liefert eine Zählung der verarbeiteten Einheiten.
Diese Aufgaben übersteigen aufgrund von Volumen und Geschwindigkeit häufig die Möglichkeiten der Sensorik, weshalb Machine Vision zu einer hervorragenden Alternative geworden ist, die zudem das Zählen mit der Anomalieerkennung an den Artikeln kombinieren kann – ein Prozess, über den wir in einem neuen Beitrag in unserem Blog berichten werden.