KI-gestützte Bildverarbeitung: Computer Vision

Computer Vision (CV) ist ein Teilbereich der Künstlichen Intelligenz und der Informatik, der sich mit der automatischen Verarbeitung und Analyse von Bildern und Videos befasst. Ziel ist es, KI-Modellen die Fähigkeit zu verleihen, visuelle Informationen zu interpretieren und zu verstehen, ähnlich wie es das menschliche Auge tut. Die KI-gestützte Bildverarbeitung ermöglicht es Unternehmen, Zustände und Daten in Echtzeit zu erfassen und auf dieser Datengrundlage ihre Prozesse zu optimieren. Zu diesen Daten zählen unter anderem aktuelle Positionen von Ladungsträgern (z. B. Paletten), Lagerbeständen, Füllständen von Stellflächen sowie der Beladungszustand von LKW.

Eine Computer Vision Kamera erfasst eine Holzpalette mit EPAL-Stempel, während ein Bildschirm im Hintergrund Informationen anzeigt
© Michael Neuhaus - Fraunhofer IML

KI-gestützte Bildverarbeitung für die Logistik

Ob im Wareneingang, beim Palettenmanagement oder am Lagerplatz: Computer Vision ermöglicht zum Beispiel das Erkennen und Tracking von Waren und die Vermessung von Ladungsträgern mithilfe von Kameras. Die Systeme gewinnen aus digitalen Bildern und Videos – dank Künstlicher Intelligenz – immer genauere und aussagefähigere Informationen, auf deren Grundlage Unternehmen dann Maßnahmen ergreifen können. Aus diesem Grund ist Computer Vision für die Logistik ein äußerst vielversprechender Digitalisierungsansatz zur Erhöhung von Prozesstransparenz, zur Optimierung von Prozessabläufen und damit zur Einsparung von Aufwänden. Durch neue Methoden aus dem Bereich des Machine Learning und K lassen sich insbesondere zahlreiche Prozesse in Umschlagzentren und Lagern automatisieren.

Unser Unterstützungsangebot rund um KI-gestützte Bildverarbeitung

Auf Basis langjähriger Forschungsarbeiten rund um das Thema Computer Vision unterstützen wir Unternehmen mit folgenden Kompetenzen:

Prozessaufnahme und Konzeptionierung, welche Prozesse durch KI-gestützte Bildverarbeitung optimiert werden können

Unterstützung bei der Hard- und Softwareauswahl

Implementierung von einsatzbereiten Computer Vision Lösungen

Entwicklung neuer Algorithmen und Computer Vision Lösungen

Workshops und Tech-Deep-Dives rund um das Thema Computer Vision

Mehr Effizienz im Lager

Computer Vision beginnt beim Erkennen logistischer Objekte. Doch das Potenzial ist enorm – ein Überblick über die Anwendungsmöglichkeiten am Beispiel der Intralogistik:

Detektieren, Klassifizieren

Was ist ein logistisches Objekt und zu welcher Objektklasse kann es zugeordnet werden?

Lokalisieren, Kontexterkennung

In welchem Lagerbereich und auf welchem Lagerplatz steht ein Ladungsträger? Wo auf dem Hof befindet sich ein LKW?

Zählen

Wie viele Paletten stehen im Wareneingang bzw. Warenausgang? Wie voll sind Übergabepunkte und -flächen? 

Identifizieren

Um welche Palette handelt es sich konkret? Welche IDs sind am Ladungsträger angebracht? Welches Kennzeichen hat ein LKW oder welcher ILU Code ist an der Ladeeinheit zu erkennen?

Tracking

Bewegungsprofil: Von welchem Startpunkt zu welchem Ziel hat sich ein Objekt bewegt? Wie lange befindet sich ein Objekt bereits am aktuellen Ort (Verweildauer)?

Vermessung & Volumen- und Füllgrad-Detektion

Zu wieviel Prozent ist der Laderaum eines Lkw oder einer Wechselbrücke ausgelastet? Kann eine Palette noch weiter beladen werden?

Forschung für Unternehmen: Die ML Toolbox

Die große Bedeutung von Computer Vision für die Logistik spiegelt sich auch in der Forschung wider, denn das Thema wurde im Großforschungsprojekt Silicon Economy bearbeitet. Zum einen entwickelten die Forschenden hier Open Source Basis-Komponenten für KI-Algorithmen. Zum anderen setzten sie zwei beispielhafte logistische Use-Cases um

Zu den Basis-Komponenten im Bereich Software gehört die »ML Toolbox«, Software Eco-System, das die Nutzung verschiedener durch Machine Learning (ML) gesteuerten Computer-Vision-Algorithmen vereinfacht. Dies wird durch die Bereitstellung diverser Services und dem Software Development Kit MLCVZoo ergmöglicht. »Der MLCVZoo ermöglicht die Integration von ML-Modellen aus verschiedenen Frameworks über eine einheitliche API und erspart damit den Aufwand, die Frameworks für jedes neue Bildverarbeitungsprojekt einzeln zu integrieren«, so Maximilian Otten, Hauptentwickler der ML Toolbox. Zudem wurde ein intuitiver KI-basierter Do it Yourself-Bildverarbeitungsdienst entwickelt, der die Anwendung der ML Toolbox erleichtert. »Für unseren neuen Guided Training Service benötigen Unternehmen kein spezialisiertes IT-Know-how, sondern nur ein gewisses Grundverständnis und können eine KI dann mit wenigen Einstellungen und Schritten anlernen, je nach Komplexität in wenigen Minuten«, erklärt Julian Hinxlage, der das Projekt »CV on Edge« leitet, in dem der Dienst entstanden ist. Insgesamt decken die Services der ML-Toolbox die gesamte ML-Ops Pipeline für KI-gestützte Bildverarbeitungslösungen ab. 

Zu den Open Source-Komponenten der ML Toolbox

Praktische Einsatzgebiete von Computer Vision in der Logistik

 

Hoflogistik mit Computer Vision optimieren

Im Projekt »Yard Lense on Edge« soll die digitale Lücke zwischen Pforte und Intralogistik geschlossen werden. Die Forschenden entwickeln in diesem Rahmen eine Lösung zur automatischen Überprüfung der Hoflogistik.

 

Automatisierte Materialanforderung

Krankenhausprozesse automatisieren: »AI4Demand« ist ein Device für die automatische Materialanforderung am Modulschrank in Krankenhäusern. Dabei werden mithilfe von KI-Bildanalyse in Echtzeit leere Modulfächer detektiert und automatisch Materialanforderungen ausgelöst.

 

Inspektion des Schienengüterverkehrs mit KI digitalisieren

Im Forschungsprojekt »DIMI« wird der Prozess der wagentechnischen Untersuchung (WTU) durch eine digitale Gesamtlösung revolutioniert. Gerade bei der visuellen Inspektion und Detektion von Schäden oder Abweichungen kommen Kamera- und KI-Systeme zum Einsatz.

Innovatives Verfahren, intelligente Kamera

Nicht nur an Software, sondern auch an Hardware für die KI-basierte Bilderfassung und -verarbeitung wird am Fraunhofer IML gearbeitet: So haben die Forschenden eine modulare KI-Kamera entwickelt, die kompakt und kostengünstig ist. Der Clou: Die Geräte brauchen keine Infrastruktur, sondern nur WLAN und Strom. Die erfassten Daten verbleiben weitgehend auf der Kamera. Das stellt auch den Schutz personenbezogener Daten sicher. Die Bestandteile der Kamera sind modulare, am Markt verfügbare Zukaufteile. So kann das Gerät individuell an den jeweiligen Anwendungsfall angepasst werden.

Mehr Informationen in der Pressemitteilung

Diese Vorteile bietet KI-gestützte Bildverarbeitung der Logistik

Das Fraunhofer IML bereitet der innovativen Technologie in zahlreichen aktuellen Use Cases den Weg. Dabei bietet der Einsatz von Computer Vision in der Logistik eine Reihe von Vorteilen:

Agenten Übersicht
Auftragsagent

Optimierung im laufenden Betrieb

Mit KI-gestützter Bilderfassung und -verarbeitung besteht die Möglichkeit, Prozesse zu optimieren, ohne diese unterbrechen zu müssen. Beispielsweise lassen sich laufende Prozesse im Lager über Kameras aufnehmen und nach Optimierungspotenzial analysieren, ohne den laufenden Betrieb zu stören.

Routingagent

Schnelle Umsetzung von Ideen und Use Cases auf solider Datenbasis

Kameras stellen ein niedrigschwelliges Mittel zur Datenerhebung dar. Durch ihren Einsatz lassen sich große Datenmengen erheben, auf deren Basis dann wiederum zur Optimierung von Prozessen aufgesetzt werden kann.

Fahrzeugagenten

Datenerhebung mit Rücksicht auf Datenschutz

Da die Verarbeitung der erfassten Daten direkt auf der Kamera stattfinden kann, ist ebenfalls der Schutz personenbezogener sichergestellt.