Machine Learning & Computer Vision

Maßgeschneiderte KI- und Bildverarbeitungssysteme für industrielle Qualitätskontrolle, Inline-Inspection und Produktionsüberwachung

  • Reduktion von Ausschuss
  • Prozessüberwachung & -automatisierung
  • Integration in bestehende Anlagen (REST API, OPC UA, SPS, Edge Devices)
  • Von Proof of Concept bis produktiver Betrieb
Kostenlose Erstanalyse anfragen

What impact can artificial intelligence have on manufacturing?

Git es diese Herausforderungen auch in Ihrer der Produktion?

Fehler werden zu spät erkannt

Manuelle Qualitätskontrolle ist langsam & fehleranfällig

Variabilität der Produkte überfordert klassische Systeme

Ungeplante Wartungsstillstände

Finden Sie Ihre Lösung!

Je nach Anwendung, Rahmenbedingungen und Zielstellung können klassische Bildverarbeitungsalgorithmen manchmal die bessere Lösung sein als KI-Methoden. Hier finden Sie eine kurze Gegenüberstellung der beiden Ansätze:

Kriterium

Klassische Bildverarbeitung

Machine Learning Ansatz

Datenbedarf

gering

hoch

Robustheit

gering (bei kleiner Variabilität)

hoch (abhängig von der Anwendung)

Erklärbarkeit

hoch

mittel

Setup Aufwand

gering

höher

Use cases

feste Geometrien

Komplexe Muster / Defekte

Was sind neuronale Netze?

Neural networks form the basis of intelligent computer vision models. They are trained using large amounts of data and can be used to make predictions on additional (new) data. In image processing, image data is used as the input format for the networks, and the expected output is classification, object detection, or image masks. An often underestimated alternative is classic image processing algorithms, for example for edge detection or to identify quality defects based on brightness differences in the image.

Classification

Detection

Segmentation

In many applications, automation using neural networks for quality control and process monitoring can reduce scrap, minimize safety risks in production, and cut down on downtime. This saves time, costs, and effort. Feel free to contact me—together we’ll find the best solution for your application!

Further information

Our collaboration – Your result

Once we have defined the problem, please send me a few sample recordings or data. I will then develop various approaches based on these, which we will discuss together in the next step.

Mit dieser iterativen Methode von Programmierung und Review nähern wir uns immer weiter einer passenden Lösung für Ihren Prozess an. Die gemeinsame Arbeit und die Absprachen stellen dabei sicher, dass die Software hinterher genau Ihren Vorstellungen und Anforderungen entspricht.

Clear Communication

Individual Software

Collaborative reviews

Für die Reviews können wir uns online treffen oder auch direkt bei Ihnen im Betrieb. Besonders wenn es um Fragen der Beleuchtung und Bildaufnahme geht, haben vor Ort Termine unschlagbare Vorteile. Wir können uns gemeinsam das Problem anschauen und überlegen wo welche Kameras, Lichtquellen oder andere Sensorik ergänzt werden muss. Für Softwareanpassungen und Diskussionen zum Layout der Oberfläche kann man auch wunderbar online Termine nutzen und sich dadurch Zeit und Stress sparen.

Sowohl Vor-Ort-Inbetriebnahme also auch Wissenstransfer und Schulung Ihres Teams vor Ort gehören selbstverständlich mit dazu, sprechen Sie mich gerne darauf an!

Ultimately, what matters most to me is that you’re satisfied with the solution and always have someone to turn to for bug reports, suggestions for improvements, or urgent support. I look forward to long-term partnerships and exciting challenges!

Free initial consultation!

Frequently Asked Questions

The initial consultation is always free! Depending on your requirements, a feasibility study takes 1–2 weeks and costs approximately €3,000. Afterward, you’ll know whether a computer vision system is a worthwhile investment for your application and what parameters should be considered during development. The cost of a complete system depends heavily on the development effort and starts at €15,000.

Es müssen ausreichend nutzbare Daten als Grundlage für ein Machine Learning oder Computer Vision System verfügbar sein. Alternativ können Methoden wie Daten Augmentierung, Simulationsdaten oder Transfer Learning genutzt werden.

Die meisten neuronalen Netze werden auf GPU (Grafikkarten) trainiert, laufen in der Produktion allerdings im Inference Mode auf CPUs oder spezialisierten Beschleunigern. Es ist also keine Anschaffung von speziellen Grafikkarten für den Betrieb von intelligenten Computer Vision Systemen notwendig. Die Infrastruktur für das Training ist im Preis bereits enthalten und durch optimierte Modelle wird die Lösung an die jeweilige Hardware angepasst.

Fertig entwicklete System können über Desktop-Anwendungen oder Web-Interfaces eingebunden werden. Außerdem ist eine Kommunikation über OPC UA oder TCP/IP Protokolle möglich, um einen smart factory Ansatz zu implementieren. Dashboards und reports fassen die Ergebnisse des Systems zusammen und stellen sie einheitlich für den Benutzer dar.