Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
4 6 | w w w c o m p u t e r - a u t o m a t i o n d e · 10 -2 5 De t e k t i o n Gabriele Fulco ist Product Marketing Manager bei Omron Electronic Components Europe bestimmten Ort aufhalten Diese Art von Informationen können Unternehmen nutzen um Engpässe zu erkennen und sicherzustellen dass Raumnutzung und Arbeitsabläufe so effizient wie möglich sind In der Praxis könnte dies bedeuten Hindernisse auf Wegen zu beseitigen die am häufigsten benutzten Wege zu verkürzen oder die Wahrscheinlichkeit zu verringern dass Arbeitnehmer den Weg eines anderen kreuzen müssen Indem Probleme früher erkannt und verstanden werden lassen sich schneller Lösungen auf der Basis eines datengestützten Ansatzes finden Die Genauigkeit des AM1 wird durch eine Bildrate von zehn Bildern pro Sekunde erreicht Die Bilddaten der Kamera oder gegebenenfalls mehrerer Kameras werden über Ethernet in einen Verarbeitungs-Hub eingespeist der von einem ‚OpenVino‘-Beschleuniger von Intel betrieben wird In Fällen in denen größere Bereiche abgedeckt werden müssen zum Beispiel in Räumen die größer als 7 m × 7m sind ist es möglich die Ergebnisse mehrerer Kameras zu kombinieren Indem die Bilder der einzelnen Kameras zusammengefügt und überlappende Bereiche entfernt werden kann das System ein nahtloses größeres Sichtfeld erzeugen Der ‚OpenVino‘-Beschleuniger Das OpenVino-Toolkit Open Visual Inference and Neural Network Optimization von Intel ist ein Software-Framework zur Beschleunigung der Leistung von Deep-Learning-Modellen für Computer-Vision-Anwendungen Es optimiert vortrainierte KI-Modelle für die effiziente Ausführung auf Intel-Hardware einschließlich CPUs integrierten GPUs FPGAs und speziellen Beschleunigern Im Fall des AM1-Systems dient das Toolkit als Beschleuniger indem es die Modelle zur Menschenerkennung und Bewegungsinterpretation schneller und effizienter auf Standard-Computerplattformen laufen lässt Dadurch wird die Inferenzzeit das heißt die Zeit die für die Verarbeitung neuer Bilder und die Generierung von Erkennungsergebnissen benötigt wird erheblich verkürzt was für Echtzeitanwendungen in industriellen Umgebungen entscheidend ist Im Wesentlichen trägt OpenVino dazu bei dass das AM1-System eine schnelle zuverlässige und genaue Erkennung von Menschen ermöglicht ohne dass High-Endoder Spezialhardware erforderlich ist Hierdurch ist es dem System möglich Rohdaten schnell in nützliche Informationen umzuwandeln ‚Schnell‘ bezieht sich in diesem Zusammenhang auf die Fähigkeit des Systems Bilddaten zu verarbeiten und die Anwesenheit oder Körperhaltung von Menschen in Echtzeit oder nahezu in Echtzeit zu erkennen Das AM1-System kann menschliche Positionen mit minimaler Verzögerung in der Regel innerhalb von Millisekunden erkennen und analysieren kann so dass es sofort auf Veränderungen in der Umgebung reagieren kann Für industrielle Anwendungen ist dieses Geschwindigkeitsniveau unerlässlich um einen reibungslosen Betrieb zu gewährleisten Engpässe zu vermeiden und Sicherheitsprotokolle zu unterstützen Wird das System beispielsweise zur Überwachung der Anwesenheit von Mitarbeitern in einem Gefahrenbereich oder zur Optimierung der Effizienz von Arbeitsabläufen eingesetzt muss es menschliche Bewegungen ohne spürbare Verzögerung erkennen und darauf reagieren Nach der Verarbeitung werden die Informationen dann für menschliche Bediener an einen Standard-PC oder eine SPS weitergeleitet Dank Omrons umfangreicher Datenbibliothek die in jahrelanger Entwicklung von Bildverarbeitungslösungen gesammelt wurde muss das System nicht auf bestimmte Personen trainiert werden und kann jeden menschlichen Körpertyp erkennen Daher sind für Nutzer keine besonderen Programmierkenntnisse erforderlich ik Bei der Installation mehrerer Kameras werden Positionsund ID-Informationen an das System übertragen und zu einer Karte kombiniert