Deep Learning vs. klassische Bildverarbeitung

Deep Learning vs. klassische Bildverarbeitung

Vergleicht man Deep Learning mit herkömmlichen Bildverarbeitungsmethoden, unterscheiden sie sich vor allem in der Gewinnung wichtiger Merkmale eines Bildes. Dadurch können komplexe Inspektionsaufgaben gelöst werden, die mit klassischer Bildverarbeitung nicht möglich sind.

Der Vorteil der klassischen Bildverarbeitung ist eine klar definierte Umgebung mit einer sehr genauen Kenntnis darüber, welche Art von Produkt oder Werkstück betrachtet wird. Die traditionellen Methoden punkten immer dann, wenn klare Regeln für eine eindeutige Ja-/Nein-Klassifizierung definiert werden können.

Deep Learning benötigt dagegen kein starres Regelwerk, sondern verlässt sich auf vorverarbeitete Daten. Als Grundlage für die Klassifizierung dienen Musterformulare oder CAD-Modelle. Zum Einlernen durchläuft die Software eine Trainingsphase. Deep Learning eignet sich für komplexe Prüfobjekte, die mit konventioneller Bildverarbeitung nicht gelöst werden können, zum Beispiel die Inspektion transparenter oder inhomogener Oberflächen oder die Erkennung von Produkten mit hoher Merkmalsvarianz

Über die senswork GmbH

senswork ist Experte für Komplettlösungen im Bereich der industriellen Bildverarbeitung, der optischen Inspektion, Deep Learning und im Prüfgerätebau. Unsere Lösungen zur Automatisierung und Qualitätssicherung werden täglich in zahlreichen Branchen wie der Automobilindustrie, dem Maschinenbau oder der Medizintechnik eingesetzt. Von unseren Standorten Burghausen und München aus betreuen wir namhafte Kunden aus Industrie und Forschung.

Firmenkontakt und Herausgeber der Meldung:

senswork GmbH
Gewerbepark Lindach D 3
84489 Burghausen
Telefon: +49 (8677) 4099580
Telefax: +49 (8677) 4099589
https://senswork.com

Ansprechpartner:
Hedwig Unterhitzenberger
Marketing
Telefon: +49 (8677) 4099585
Fax: +49 (8677) 4099589
E-Mail: hedwig.unterhitzenberger@senswork.com
Für die oben stehende Story ist allein der jeweils angegebene Herausgeber (siehe Firmenkontakt oben) verantwortlich. Dieser ist in der Regel auch Urheber des Pressetextes, sowie der angehängten Bild-, Ton-, Video-, Medien- und Informationsmaterialien. Die United News Network GmbH übernimmt keine Haftung für die Korrektheit oder Vollständigkeit der dargestellten Meldung. Auch bei Übertragungsfehlern oder anderen Störungen haftet sie nur im Fall von Vorsatz oder grober Fahrlässigkeit. Die Nutzung von hier archivierten Informationen zur Eigeninformation und redaktionellen Weiterverarbeitung ist in der Regel kostenfrei. Bitte klären Sie vor einer Weiterverwendung urheberrechtliche Fragen mit dem angegebenen Herausgeber. Eine systematische Speicherung dieser Daten sowie die Verwendung auch von Teilen dieses Datenbankwerks sind nur mit schriftlicher Genehmigung durch die United News Network GmbH gestattet.

counterpixel

Comments are closed.

Für die oben stehenden Pressemitteilungen, das angezeigte Event bzw. das Stellenangebot sowie für das angezeigte Bild- und Tonmaterial ist allein der jeweils angegebene Herausgeber verantwortlich. Dieser ist in der Regel auch Urheber der Pressetexte sowie der angehängten Bild-, Ton- und Informationsmaterialien. Die Nutzung von hier veröffentlichten Informationen zur Eigeninformation und redaktionellen Weiterverarbeitung ist in der Regel kostenfrei. Bitte klären Sie vor einer Weiterverwendung urheberrechtliche Fragen mit dem angegebenen Herausgeber.