Supervised Learning mit fischertechnik

Gepostet von
Redaktion
|
17
.
April 2023
|
| sponsored
Supervised Learning mit fischertechnik

Das fischertechnik Modell „Qualitätssicherung mit KI“ stellt haptisch und begreifbar die Funktionsweise von Supervised Learning vor und macht Theorie erlebbar.

Supervised Learning (überwachtes Lernen) ist ein Teilgebiet des maschinellen Lernens. In diesem Kontext meint Lernen die Fähigkeit einer künstlichen Intelligenz, Gesetzmäßigkeiten nachzubilden. Mit dem überwachten Lernen können Algorithmen aus historischen Daten lernen und sie auf unbekannte Eingaben anwenden, um die richtige Ausgabe abzuleiten. Ziel ist es, eine genaue Mapping-Funktion zu erzeugen, die es dem Algorithmus ermöglicht, die Lösung vorherzusagen, sobald eine neue Eingabe erfolgt. Supervised Learning wird häufig in Anwendungen wie Bild- und Spracherkennung oder Klassifizierung eingesetzt.

Das fischertechnik Modell „Qualitätssicherung mit KI“ stellt haptisch und begreifbar die Funktionsweise von Supervised Learning vor und macht Theorie erlebbar. Im Verstehen der Funktionsweise von Supervised Learning erlernen die jungen Nutzerinnen und Nutzer, wie intelligente Maschinen in der Industrie angewendet werden. Dadurch wird die Hürde vor dieser vielschichtigen Technologie abgebaut. Das Modell eignet sich als Schulungs-, Simulations- und Demonstrationsmodell für Bildung, Industrie und Forschung. Die fischertechnik Qualitätssicherung mit KI wird mit Werkstücken in verschiedenen Farben geliefert. Diese Werkstücke sind mit drei Bearbeitungsmerkmalen sowie verschiedenen Fehlerbildern versehen. Sie werden von der Kamera gescannt und mit Hilfe von Supervised Learning klassifiziert und einsortiert – je nach Farbe, Merkmal und Fehlerbild.

Die verwendete KI ist mit maschinellem Lernen in Tensorflow realisiert, bei dem ein künstliches neuronales Netz mit Bilddaten eintrainiert wurde. Die eingelernte KI wird auf dem fischertechnik TXT 4.0Controller ausgeführt, der für zahlreiche Anwendungen die passenden, kabellosen Schnittstellen bietet. Die Ablaufsteuerung des Modells ist in der Programmierumgebung ROBO Pro Coding und in Python implementiert.

Zusätzlich besteht die Möglichkeit, eigene KI-Anwendungen zu programmieren. Das Eintrainieren erfolgt über einen Algorithmus auf Basis von Python, einer universellen, höheren Programmiersprache. Für die Möglichkeit des Eintrainierens steht ein Beispielprojekt bereit.

„Mit dem Produkt möchten wir grundsätzlich sowohl problemlösendes als auch problemorientiertes Lernen fördern“, erklärt der Geschäftsführer von fischertechnik, Thomas Bußhart, den Hintergrund der Innovation. Die Stärkung von Technologiekompetenz sowie des Selbstbewusstseins, es anzuwenden, stehe dabei im Vordergrund:„Wir wollen so Einstiegshürden beim Thema Supervised Learning abbauen.“

Das Labor und Kompetenzzentrum für „Schwarmbasierte Logistik“ der Dualen Hochschule in Mosbach / Campus Bad Mergentheim fokussiert auf die Forschung im Kontext Künstliche Intelligenz mit den Schwerpunkten Schwarmintelligenz und Deep Learning. Der Campus Bad Mergentheim ist Teil der Dualen Hochschule in Mosbach und fokussiert die Lehre und Forschung zu Künstlicher Intelligenz. Prof. Carsten Müller erforscht dort die Anwendung von Schwarmintelligenz, insbesondere die Adaption von natur-inspirierten Algorithmen auf Anwendungsgebiete der Logistik. Bei seiner Forschung und Lehrtätigkeit zu Künstlicher Intelligenz mit dem Fokus auf Maschinelles Sehen wird die leistungsfähige Technologie von fischertechnik „Qualitätssicherung mit KI“ eingesetzt. „Das Zusammenspiel von Software und Haptik schafft Verständnis für Künstliche Intelligenz“,begründet Carsten Müller seine Entscheidung für fischertechnik. ImVerstehen der komplexen Vorgänge des Supervised Learning wirddeutlich, wie intelligente Maschinen in der Industrie funktionieren. „Das fischertechnik Modell ist leistungsfähig, smart und intuitiv zu bedienen und somit hervorragend dafür geeignet, Künstliche Intelligenzzu lehren“, erläutert Carsten Müller.

Weitere Informationen: http://www.fischertechnik.de

Anzeige
Mehr zum Thema
Neuste Artikel
Kommentare
No items found.