Bildanalysen mit KI – ohne Vorkenntnisse

Praktisch: Per Cloud-Software zum neuronalen Netz
Die Trainingssoftware IDS NXT lighthouse ist so gestaltet, dass Anwender zur Erzeugung ihres individuellen neuronalen Netzes weder eine Entwicklungsumgebung einrichten müssen, noch spezielles Wissen zu Bildverarbeitung, Kameraprogrammierung oder Deep Learning benötigen. Nach dem Einloggen stehen ihnen alle Funktionen und Workflows unmittelbar zur Verfügung, sodass sie direkt mit dem Trainieren des eigenen neuronalen Netzes beginnen können. Das umfasst drei wesentliche Schritte: Beispielbilder hochladen, die Bilder labeln und anschließend das vollautomatische Training starten. Das erzeugte Netz ist anschließend direkt auf den IDS NXT Industriekameras lauffähig und macht sie so zu Inferenzkameras.
Serie: Inferenzkameras für den industriellen Einsatz
Eine Inferenzkamera kann ihr durch Deep Learning erworbenes „Wissen“ auf neue Daten anwenden. Da IDS NXT Industriekameras über einen speziellen KI-Core verfügen, werden neuronale Netze hardwarebeschleunigt direkt auf den Geräten ausgeführt – das ermöglicht Inferenzzeiten von wenigen Millisekunden. Mit Merkmalen wie C-Mount, robustem Gehäuse, GigE Netzwerkanschluss mit RJ45- bzw. M12-Steckverbinder, RS232-Schnittstelle und REST-Webinterface sind sie außerdem vollwertige Industriekameras. Die Modelle IDS NXT rio und rome sind ab sofort als Serienkameras mit unterschiedlichen Sensoren und Schutzklassen erhältlich.
Loslegen: Mit dem IDS NXT ocean Design In-Kit
Wer das Potenzial von künstlicher Intelligenz für seine eigenen Bildverarbeitungsanwendungen testen möchte, sollte sich das IDS NXT ocean Design-In Kit genauer anschauen. Es enthält alle Komponenten, die ein Anwender für die Erstellung, das Trainieren und das Ausführen eines neuronalen Netzes in seiner produktiven Umgebung benötigt. Neben einer IDS NXT Industriekamera mit 1,6 MP Sony Sensor, Objektiv, Kabel und Stativadapter enthält das Paket u.a. einen sechsmonatigen Zugang zur KI-Trainingssoftware IDS NXT lighthouse. Der Einsatz von Deep Learning-basierter Bildverarbeitung für eigene Anwendungen lässt sich damit in kurzer Zeit realisieren.