Machine Vision über das Netzwerk
Serviceorientierte API
Unsere Schnittstelle stellt eine umfangreiche Bibliothek an Bildverarbeitungsfunktionen bereit. Diese Funktionen werden mittels Anfragen über das Netzwerk aufgerufen.
# Vernetztes System
# Wenig Parameter
# Automatisiertes Anlernen
VATHOS
cloud_inference.py
100% = 6/18 ln : 4
1
2
3
4
5
6
# run cloud inference
inference_url = 'https://api.gke.vathos.net/workflow/camera'
files = {'files': open('./res/test.png', 'rb')}
values = { 'product': json.dumps(product),
'configuration': json.(configuration)}
tlc = perf_counter()
Computer Vision
Eine Schnittstelle — viele Möglichkeiten
Die Verarbeitung visueller Informationen erhöht die Fähigkeiten von Robotern, sich in unstrukturierten Umgebungen zurechtzufinden, und eröffnet damit eine Vielzahl neuer Anwendungsfelder. Erst eine prozesssichere Umfeldwahrnehmung ermöglicht die Automatisierung von Prozessen, die vor Jahren noch undenkbar schien. Inbesondere Verfahren, die auf Künstlicher Intelligenz oder „Machine Learning" beruhen, haben die Leistungsfähigkeit dieser Systeme um ein Vielfaches erhöht. Unsere Schnittstelle bietet Automatisierungstechnikern die Möglichkeit, diese neuen Technologien ohne Exptertenwissen und mit geringem Aufwand in ihre Anlagen zu integrieren.
Höhere Prozesssicherheit & Zeitersparnis gegenüber klassischer Bildverarbeitung
Kontinuierliche Optimierung
durch Lernen im Produktivbetrieb
Automatisches Anlernen
durch synthetische Daten
Einfache Inbetriebnahme
durch minimale Anzahl von Parametern
Moderne Algorithmen
Unsere API stellt Algorithmen („Services") bereit, wie beispielsweise Pick & Place, automatische Sichtprüfung und Kalibrierung. Diese können für präzise Depalettierung, Sortierung, Maschinenbestückung, Positionierung, Montage u.v.m. verwendet werden.
Hardware-Konnektoren
Die Schnittstelle kann durch die einfache Installation von Apps (sogenannte Konnektoren) auf dem Edge Device zur Anbindung von bildgebenden Sensoren (z.B. von Zivid, IDS, Wenglor, Mech-Mind) und Robotern (KUKA, Fanuc, UR, etc.) erweitert werden. So lassen sich verschiedene Hardwarekomponenten mit wenig Aufwand zu einer optimalen Gesamtlösung kombinieren.
Vernetztes IoT-System
Mittels API erhalten externe Monitoring- und Analyse-Systeme Zugriff auf alle vom Bildverarbeitungssystem erzeugten Daten. Dadurch können sowohl das Bildverarbeitungsystem selbst als auch der Prozess des Anwenders einfach überwacht und Fehler früh erkannt werden. Zudem lassen sich die aufgenommenen Bilder revisionssicher in Drittsystemen abspeichern oder mit den Produktionsdaten für die nachträgliche Analyse korrelieren.
Individuelle Benutzeroberfläche
Durch die API wird eine strikte Trennung von Bildverarbeitungsfunktionalität und Bedienkonzept erreicht. Zur Prozesssteuerung und -überwachung einfacher Anwendungen bieten wir unseren Kunden Android-Apps aus dem Google Play Store an. Eine Einbindung in proprietäre Benutzeroberflächen ist dank des API-Ansatzes einfach umzusetzen.
Automatisches Anlernen
KI-Systeme benötigen typischerweise große Mengen an Daten, aus denen sie die Lösung für eine Bildverarbeitungsaufgabe (z.B. die Lokalisierung von Bauteilen) lernen können. Die manuelle Bereitstellung solcher Daten durch „Labeln" oder „Vormachen" kann sehr zeitaufwändig sein. Das initiale Training unserer KI-Algorithmen hingegen basiert auf synthetisch erzeugten Trainingsdaten. Im Betrieb verbessern die Algorithmen sich selbstständig und kontinuierlich auf Basis der aufgenommen realen Daten („Bootstrapping").