INPUT FIELD array(8) { ["data-drupal-selector"]=> string(9) "edit-term" ["type"]=> string(4) "text" ["id"]=> string(9) "edit-term" ["name"]=> string(4) "term" ["value"]=> string(0) "" ["size"]=> int(30) ["maxlength"]=> int(128) ["class"]=> array(1) { [0]=> string(9) "form-text" } } array(11) { ["data-drupal-selector"]=> string(9) "edit-term" ["type"]=> string(4) "text" ["id"]=> string(9) "edit-term" ["name"]=> string(4) "term" ["value"]=> string(0) "" ["size"]=> int(30) ["maxlength"]=> int(128) ["class"]=> array(3) { [0]=> string(9) "form-text" [1]=> string(17) "form-autocomplete" [2]=> string(21) "ui-autocomplete-input" } ["data-autocomplete-path"]=> string(80) "/search_api_autocomplete/search_content?display=search_page&&filter=term" ["autocomplete"]=> string(2) "on" ["data-search-api-autocomplete-search"]=> string(14) "search_content" }

Suche

Teachable Machine

Teachable Machine

zurück

vor

Detailbeschreibung

Die Teachable Machine (belehrbare Maschine) ist ein eingebettetes KI-System zur Bilderkennung. Es basiert auf einem Raspberry Pi Einplatinen-Computer mit kompatibler Kamera. Darüber hinaus verfügt es über einen Google Coral USB-Beschleuniger mit eingebauter TPU (Tensor Processing Unit). Dieses Edge-Device ist spezialisiert auf die Berechnung von Matrizenmultiplikationen, die beim Training neuronaler Netze angewendet werden.

Die Teachable Machine kann schnell und interaktiv darauf trainiert werden, Objekte zu erkennen. Dazu werden diese Objekte vor die Kamera gehalten und eine von vier Tasten gedrückt, um das Objekt zu klassifizieren. Schon nach wenigen Einzelaufnahmen erlernt das vortrainierte Modell das betreffende Objekt zu erkennen und in Echtzeit sowohl vom Hintergrund als auch von anderen Objekten zu unterscheiden. Wurde ein erlerntes Objekt erkannt, leuchtet eine LED auf, deren Farbe der Taste entspricht, mit der das Objekt zuvor klassifiziert wurde. Die Identifikation ist dabei weitgehend unabhängig von der Entfernung, dem Winkel und der Beleuchtung des Objekts.

Die Teachable Machine verwendet ein vortrainiertes Bilderkennungsnetz namens MobileNet. Dieses Netzwerk wurde für die Erkennung tausender unterschiedlicher Objekte trainiert. Während des Lernprozesses hat das Netzwerk eine semantische Darstellung jedes Bildes entwickelt und nutzt diese für die Unterscheidung der verschiedenen Klassen. Diese interne Repräsentation wird nun für die Identifikation von Objekten verwendet, die das Netzwerk noch nie zuvor gesehen hat – hierbei handelt es sich um eine Form des Transfer-Lernens.

Die Teachable Machine zeigt, dass hochleistungsfähige KI-basierte Bilderkennungssysteme bereits auf preiswerter, verfügbarer Hardware umgesetzt werden können. Die kompakte Bauform macht diese Systeme vielseitig einsetzbar und erlaubt ihre Nutzung an nahezu beliebigen Orten. Auch kleinen und mittelständischen Unternehmen bieten sich so niedrigschwellig Anwendungsfelder für KI-Technologien in der Materialflusssteuerung, Qualitätskontrolle, Prozessüberwachung und vielem mehr.

Link

https://www.kompetenzzentrum-hamburg.digital/

Ansprechpartner