Anomalieerkennung
Die Anwendung künstlicher Intelligenz ist besonders nützlich, um Fehlproduktionen in der Industrie schneller sichtbar zu machen. Mit Hilfe von Bilderkennung ist es möglich, einzelne Stellen hervorzuheben, die von der Norm abweichen, also Mängel aufweisen.
Zunächst lernt das hier verwendete Modell Parameter aus Einbettungsvektoren, die aus verschiedenen Trainingsbildern und drei verschiedenen vortrainierten CNN-Schichten berechnet werden. In diesem Schritt lernt die künstliche Intelligenz, wie das jeweils abgebildete Objekt ohne Anomalie aussieht.
Dann werden zu untersuchende Bilder von einem Zufallsgenerator ausgewählt, welche mit Hilfe des vortrainierten Modells inspiziert werden. Diese werden dabei mit Bildern ohne Anomalien verglichen, um (Un-)Stimmigkeiten erkennbar zu machen.
Anschließend werden visuelle Erklärungen in Form von Heatmaps und Bildern mit Begrenzungen der Anomalien, sowie Empfehlungen in Texten generiert. Sie markieren, an welchen Stellen eine Anomalie im Bild vorherrscht und welche Handlungsempfehlung sich dafür ergibt.