MVTec: Schub für maschinelles Sehen
Software für IBV
Die Anomalieerkennung von MVTec versteht den Inhalt von Bildern. Bild: MVTec
Die MVTec Software GmbH, ein internationaler Software-Hersteller für die industrielle Bildverarbeitung (Machine Vision), hat mit der Version 5.2 der Easy-to-Use-Bildverarbeitungssoftware »Merlic« dem maschinellen Sehen (Machine Vision) einen Schub verliehen. Mit der Software können Anwender ohne Programmierkenntnisse schnell und einfach komplette Machine-Vision-Applikationen zusammenstellen.
Der Easy-to-Use-Anspruch und das Bereitstellen neuester Technologien ist kein Widerspruch. »Merlic« demonstriert, dass die aktuellen und leistungsstärksten Technologien der industriellen Bildverarbeitung wie Deep Learning mit wenig Aufwand und Know-how genutzt werden können.
In der Version »Merlic 5.2« findet sich die Deep-Learning-Technologie »Global Context Anomaly Detection«. Ein halbes Jahr zuvor war die Methode, die in dieser Form eine Weltneuheit darstellt, in »MVTec Halcon«, die Standardsoftware für die industrielle Bildverarbeitung, integriert worden. Anschließend wurde die Technologie an die »Merlic«-Bedienung, die ohne Programmierkenntnisse auskommt, angepasst und in die Software integriert.
»Global Context Anomaly Detection« hebt als Erweiterung der bewährten Anomalie-Erkennung die auf Deep Learning basierende Fehlererkennung auf eine neue Stufe. Das Feature versteht den logischen Inhalt von Bildern und erkennt dadurch neue Varianten von Anomalien. Ein Beispiel ist die Bestimmung, ob das Logo auf einer Flasche zum Flascheninhalt passt.
Forschungsabteilung gewinnt »Best Industrial Paper Award«
Entwickelt wurde die Deep-Learning-Technologie »Global Context Anomaly Detection« in der hauseigenen Forschungsabteilung von MVTec. Darüber hinaus werden die Ergebnisse der Forschungsarbeit der rund ein Dutzend Wissenschaftlerinnen und Wissenschaftler bei MVTec regelmäßig auf internationalen Fachkonferenzen als wissenschaftliche Artikel eingereicht. Bei der »17th International Conference on Computer Vision Theory and Applications« wurde ein Bericht über die Anomalie-Erkennung auf 3D-Oberflächen mit dem »Best Industrial Paper Award« ausgezeichnet.
