Fraunhofer-Gesellschaft | KI-Fortschrittszentrum »Lernende Systeme und Kognitive Robotik«
Fraunhofer-Gesellschaft | KI-Fortschrittszentrum »Lernende Systeme und Kognitive Robotik«

High-Speed Picking

Quick Check

Ausgangssituation

robomotion entwickelt Produktions- und Verpackungsmaschinen, die eine Vielzahl unterschiedlicher Produkte zielgerichtet handhaben müssen. Die Picksysteme werden hier für jedes zu handhabende Produkt individuell programmiert. Insbesondere die Objekt- und Lageerkennung bedarf dabei einer Programmierung durch Expertinnen und Experten, die geeignete Bildmerkmale für die Erkennung auswählen. Aufgrund kleinerer Losgrößen, steigender Produktvielfalt und Flexibilitätsanforderungen ist jedoch eine Umprogrammierung für jedes neue Produkt nicht immer wirtschaftlich.

 

Lösungsidee

Die Programmierung der Objekt- und Lageerkennungssoftware soll nun mittels Methoden des Maschinellen Lernens automatisiert werden. Darüber hinaus soll die Objekterkennung auch mehrere Produkttypen in gemischten Anlagen unterscheiden können und es ermöglichen, weitere neue Produkte ohne großen Trainingsaufwand hinzuzufügen. Sie muss daher in der Lage sein, die jeweils passenden Erkennungsmerkmale für verschiedene Produkte selbst zu erlernen.

© robomotion / Markus Völk

Nutzen

Eine schnellere und wirtschaftlichere Umrüstung von Anlagen auf andere bzw. neue Produkte ist dann möglich, wenn der (manuelle) Aufwand der Datenerhebung und der (zeitliche) Aufwand zum Trainieren eines Maschinellen Lernverfahrens für die Objekterkennung überschaubar bleiben. Eine derartige Lösung ermöglicht es, Verpackungs- und Produktionsmaschinen deutlich schneller auf andere Produkte umzurüsten und somit besser auszulasten. Zudem verringert sich oder entfällt vollständig der kostenintensive manuelle Anpassungsaufwand durch Expertinnen und Experten.

 

Umsetzung der KI-Applikation 

Im Rahmen dieses Projekts wurde mittels öffentlich zugänglicher Bilder und ohne manuelle Annotationen ein CNN-Modell trainiert. Es konnte hierdurch gezeigt werden, dass sich der gewählte Ansatz des ähnlichkeitsbasierten Lernens, nicht nur zur Prädiktion korrelierter Merkmale, sondern auch zur Regression orientierter Bounding Boxen eignet. Die Ergebnisse des Projekts sollen nun als Basis dafür dienen, den beschriebenen Ansatz hin zu einer Lösung für den produktiven Einsatz zu entwickeln.

Partnerunternehmen

»Mit dem Fraunhofer IPA konnten wir unsere Aufgabenstellung hinsichtlich der Machbarkeit für KI-Anwendung prüfen lassen und wissen jetzt, wie wir weiter vorgehen um eine Umsetzung zu kommen. Die Potentiale der Technologie einzuschätzen aber auch die Risiken sind für uns wichtige Entscheidungskriterien, bevor wir den nächsten Schritt gehen wollen.«

 

Dr.-Ing. Andreas Wolf, robomotion GmbH