KI-Unterstützung in der Metallanalyse
Unsere KI-Modelle für die Materialwissenschaft setzen auf intelligente Bilderkennungstechnologien, welche zeiteffiziente und hochpräzise Auswertungen von komplexen Metallgefügen ermöglichen. Dabei setzten wir auf individuell an die Kundenbedürfnisse angepasste Gesamtlösungen.
Yann LeCun, Träger des Turing Award 2018, strebt die Entwicklung einer KI in der Computer Vision an, die menschenähnliche Fähigkeiten aufweist. Diese Vision setzen wir aktiv in unseren KI-Modellen für die Materialwissenschaft um. Anstatt Tausende von Bildern zu annotieren, setzen wir auf intelligente Modelle, die die Welt ähnlich wie der Mensch verstehen. Durch unüberwachtes Training erzielen wir nicht nur intelligentere, sondern auch zeitersparende Ergebnisse.
Tests mit Aluminiumschliffbildern zeigen unter anderem ausgezeichnete Ergebnisse bei der Auswertung von MgSi- und AlFeSi-Phasen. Unser Industriepartner HAI (Hammerer Aluminium Industries) unterstützt uns dabei und testet unsere Lösungen im Realbetrieb.
Neben der Segmentierung bewerten wir dabei verschiedene Parameter, um Mikrostrukturschliffe automatisch einzustufen.
Unser Ziel ist es, intelligente KI-Modelle zu entwickeln, die deutlich weniger Annotationszeit erfordern. Die generalistische optische KI kann dabei in vielen Bereichen zur Anwendung kommen und unterstützt optimal in der Qualitätssicherung bzw. der Prozessoptimierung.
In diesem Video werden die Aktivierungen einiger Layer eines Neural Networks grafisch dargestellt. Die Aktivierungen lassen sich als das "Feuern" der Neuronen vorstellen. Durch diese Methode gewinnt man tiefere Einblicke in das Verhalten des Netzwerks.
