Bildverarbeitung

Welche Vorteile hat Deep Learning gegenüber regelbasierter Bildverarbeitung?

Welche Vorteile hat Deep Learning gegenüber regelbasierter Bildverarbeitung?

Dieser Frage sind wir auf der automatica am Stand von MVTec Software GmbH nachgegangen. Andreas Zeiler: Deep Learning bietet vor allem in dynamischen Umgebungen mehr Flexibilität und ist oft einfacher zu parametrisieren als klassische Methoden. Regelbasierte Ansätze bleiben aber unschlagbar bei schnellen, wiederkehrenden Aufgaben mit konstanten Bedingungen. Die Kombination beider Methoden – ein Hybridansatz, den Hashtag#MVTec anbietet – liefert die besten Ergebnisse. Ein Beispiel: Deep 3D Matching verbindet Deep Learning mit regelbasierten Verfahren für maximale Präzision.

Mehr erfahren Sie im Video:

16. Juli 2025

Teilen

Baumer Optronic

Schäfter+Kirchhoff

Außergewöhnliche Auflösung, hohe Geschwindigkeit

Außergewöhnliche Auflösung, hohe Geschwindigkeit

Kameras

JAI erweitert seine Apex-Serie um drei neue 5,1-Megapixel-3-CMOS- R-G-B-Prismakameras.

Ich sehe was, das Du nicht siehst

Ich sehe was, das Du nicht siehst

Bildverarbeitungssoftware

Der Steckverbindungshersteller ODU betreibt eine Fertigungsanlage mit Bildverarbeitung von Ziemann & Urban.

Teile exakt palettieren mit 3D-Vision

Teile exakt palettieren mit 3D-Vision

Bildverarbeitung

Roboter-Spezialist Tekniker automatisiert das Greifen und Sortieren chaotischer Teile per 3D-Vision. Das beschleunigt Palettierung, spart Kosten und entlastet Mitarbeiter effizient.

Transformation der Präzisionslandwirtschaft

Transformation der Präzisionslandwirtschaft

Bildverarbeitung

Präzisionslandwirtschaft nutzt Bildverarbeitung und moderne Technik, um Erträge zu steigern, Ressourcen zu schonen und Umweltauswirkungen zu minimieren.

Prozesssicherheit der gesamten Machine-Vision-Anwendung steigern

Prozesssicherheit der gesamten Machine-Vision-Anwendung steigern

Bildverarbeitungssoftware

Mit Merlic bietet MVTec eine leistungsstarke Machine-Vision-Software in einer runderneuerten Version an.

Wie funktionieren zuverlässige Objekterkennung unter schwierigen Bedingungen?

Wie funktionieren zuverlässige Objekterkennung unter schwierigen Bedingungen?

Bildverarbeitung

Andreas Zeiler (MVTec) zeigt: Deep 3D Matching wird dank synthetischer Daten & Augmentierungen robust, flexibel und generalisiert – ohne Labeln, Parametrieren oder Feintuning.

SENSOR+TEST - DAS INNOVATIONSMAGAZIN

Top News