Da herkömmliche Systeme Wasser oder Schaum nicht immer zu 100 Prozent von Verschmutzungen oder Beschädigungen unterscheiden können, gehen sie auf Nummer sicher und leiten den Behälter aus. Auf diese Weise landen in jeder Produktionsschicht unzählige Flaschen, die sich eigentlich noch problemlos verwenden ließen, auf Nimmerwiedersehen im Müll.
Um das zu ändern, hat Krones die nächste Evolutionsstufe der Inspektionstechnik erklommen. Denn die neue Linatronic AI nutzt für das automatische Erkennen und Klassifizieren von Anomalien eine Deep-Learning-Software – und agiert dadurch um einiges schlauer und effizienter als ihre traditionellen Kollegen.
Künstliche neuronale Netze
Deep Learning ist eine Technik, die Maschinen zu etwas befähigt, was wir Menschen schon von Natur aus beherrschen: aus Beispielen lernen. Mit einem großen Unterschied: Eine Maschine kann diese Fähigkeit um ein Vielfaches effizienter nutzen.
Grundlage dafür ist ein sogenanntes künstliches neuronales Netz. Dieses lässt sich mit einem komplexen System aus hintereinander geschalteten Filterschichten vergleichen. Die Bilder, die während des Inspektionsvorgangs aufgenommen werden, durchlaufen diese Schichten der Reihe nach, wobei jede Schicht ein anderes Merkmal aus dem jeweiligen Bild extrahiert.
Da der Output des einen Filters als Input in den jeweils darauffolgenden fließt, lässt sich die Komplexität dieser Bildmerkmale immer weiter erhöhen. Die Kette reicht dabei vom Erkennen dunkler oder heller Bildpixel bis hin zur Klassifikation ganz bestimmter Objekte, wie zum Beispiel: Wassertropfen.
Mit tausenden Bildern trainiert
Damit die Linatronic AI diese Filter in der Praxis auch exakt anwendet, wurde sie zuvor mit vorklassifizierten Beispielbildern trainiert. Dabei lernt ihr neuronales Netz, die für die Aufgabenstellung relevanten Bildmerkmale herauszufiltern und entsprechend zu interpretieren.
Genau wie für uns Menschen gilt auch für die Maschine: je intensiver das Training, desto besser das Ergebnis. Das neuronale Netz der Linatronic AI wurde daher mit Tausenden von Beispielbildern immer weiter verfeinert. So lange, bis es schließlich Wassertropfen zielsicher von anderen Anomalien unterscheiden kann – und zwar mit einer Zuverlässigkeit von über 99,9 Prozent.
Materialverschwendung durch fälschlich ausgeleitete Flaschen ist damit kein Thema mehr. Genauso wie das zeitaufwendige Parametrieren der Maschine bei ihrer Inbetriebnahme. Denn das neuronale Netz muss nicht manuell auf die Gegebenheiten vor Ort eingestellt werden, sondern die Linatronic AI wird schon perfekt trainiert ausgeliefert und kann sofort mit ihrer Arbeit loslegen.
.jpg "Benchmark evaluiert Large Language Models automatisch")
