KI-Lösungen im Detail
Die DENK Technologien
Wir erklären dir, was hinter unseren Technologien, den DENKnets, steckt. Was unterscheidet eine Instance von einer Image Segmentation? Für welche Anwendungsfälle eignet sich eine Objekterkennung am besten? Fehlen dir noch mehr Hintergrundinformationen, kontaktiere uns gern!
Mit passender Bildverarbeitungstechnologie zur präzisen Analyse
Diese DENKnets bilden die Grundlage für zahlreiche industrielle, medizinische und logistische Anwendungen.
Von der einfachen Klassifizierung bis hin zur detaillierten Segmentierung – jede Methode hat spezifische Einsatzmöglichkeiten.
Bildklassifikation
Die Bildklassifikation ordnet ein gesamtes Bild einer oder mehreren Kategorien zu. Dabei analysiert ein neuronales Netzwerk das Bild global, um es einer Klasse zuzuweisen, wie z. B. 'Hund', 'Katze' oder 'defektes Bauteil'. Die Bildklassifizierung konzentriert sich auf das gesamte Bild, ohne einzelne Objekte zu lokalisieren. Sie bildet die Grundlage für viele fortgeschrittene Technologien, wie Objekterkennung oder Segmentierung.
Einsatzmöglichkeiten:
- Qualitätskontrolle: Klassifikation von fehlerhaften und fehlerfreien Produkten.
- Medizinische Diagnose: Erkennung von Krankheitsmustern in Röntgen- oder MRT-Bildern.
- Landwirtschaft: Erkennung von Pflanzengesundheit oder Erntezuständen.
Objekterkennung
Die Objekterkennung ist eine zentrale Technologie der Bildverarbeitung. Sie identifiziert und lokalisiert verschiedene Objekte innerhalb eines Bildes mithilfe von Bounding Boxen oder rotierten Bounding Boxen. Es lassen sich nicht nur Positionen bestimmen, sondern auch Kategorien. Im Gegensatz zur Bildklassifizierung, die ein ganzes Bild einer Kategorie zuordnet, analysiert die Objekterkennung gezielt einzelne Objekte und deren Position.
Einsatzmöglichkeiten:
- Logistik: Erkennung von Paketen oder Objekten auf Förderbändern.
- Smart Cities: Verkehrsüberwachung, z. B. Erkennung von Fahrzeugen, Fußgängern oder Ampeln.
- Einzelhandel: Erfassung von Produkten in Regalen.
Bildsegmentierung
Bildsegmentierung geht über das Lokalisieren von Objekten hinaus und klassifiziert jedes Pixel eines Bildes. Dadurch entstehen präzise Masken, die einzelne Objekte oder Regionen klar voneinander abgrenzen. Diese Technologie bietet den höchsten Detailgrad bei der Bildanalyse. Sie unterscheidet sich von Bounding Boxen und Keypoints, da sie jedes Pixel mit einer Klasse versieht und so komplexe Szenen detailliert analysieren kann.
Einsatzmöglichkeiten:
- Stadtplanung: Straßenelemente wie Fahrbahnen, Gehwege und Grünflächen segmentieren.
- Medizin: Tumorgewebe oder Anomalien in medizinischen Scans hervorheben.
- Landwirtschaft: Analyse von Pflanzenflächen oder Erkennung von Unkraut.
Instanzsegmentierung
Die Instanzsegmentierung kombiniert die Konzepte von Bildsegmentierung und Objekterkennung. Jedes Objekt wird nicht nur klassifiziert, sondern auch individuell maskiert, wodurch mehrere Instanzen derselben Klasse separat dargestellt werden können. Im Gegensatz zur Bildsegmentierung identifiziert die Instanzsegmentierung einzelne Objekte innerhalb derselben Klasse. Dies macht sie ideal für Szenen mit vielen überlappenden Objekten.
Einsatzmöglichkeiten:
- Logistik: Individuelle Paketerkennung auf Förderbändern.
- Biologie: Segmentierung einzelner Zellen in Mikroskopaufnahmen.
- Produktion: Erkennen, Zählen oder Vermessen einzelner Werkstücke auf Montagelinien.
OCR
OCR-Technologie ermöglicht die Erkennung und Ausgabe von Buchstaben, Zahlen und (Sonder-)Zeichen. Dabei werden Bilddaten analysiert, Zeichen erkannt und der Text in einer strukturierten Form ausgegeben. Im Vergleich zu anderen Technologien arbeitet OCR speziell auf der Textebene. Es ist unverzichtbar für Anwendungen, bei denen Schilder oder Textanalysen im Fokus stehen.
Einsatzmöglichkeiten:
- Lebensmittelindustrie: Mindesthaltbarkeitsdaten.
- Verkehrsleitsysteme: Nummernschilderkennung.
- Sonstige Branchen: Produktkennzeichnungen.
Barcode und QR-Code-Lesen
Die Barcode-Lesen-Technologie erfasst Barcodes oder QR-Codes in Bildern und interpretiert deren Inhalte. Dabei werden Bildausschnitte analysiert und die gespeicherten Informationen dekodiert. Im Gegensatz zur klassischen OCR konzentriert sich das Barcode-Lesen ausschließlich auf die Analyse von codierten Symbolen. Dies geschieht schneller und effizienter als bei allgemeinen Texterkennungsansätzen.
Einsatzmöglichkeiten:
- Logistik: Automatische Erkennung und Verfolgung von Paketen.
- Einzelhandel: Inventarverwaltung und Kassensysteme.
- Industrie: Identifikation von Bauteilen und Komponenten.
