KI-gestützte Plattform für Bildanalyse

KI-gestützte Plattform für Bildanalyse

DeepVi ist eine No-Code-End-to-End-Plattform für KI-Bildverarbeitung, die alles von der Datenerfassung über Modelltraining, Präzisionsprüfung und Deployment bis zum erneuten Training auf einer einzigen Plattform abdeckt. Training und Inferenz werden über den integrierten Workflow auf einen Blick überwacht und gesteuert; Workflows lassen sich mit dem VCANUS Workflow-Editor erweitern und bearbeiten. Neben Deep Learning (Classification · Detection · Segmentation) enthält DeepVi Align · Inspection (Ausrichtung, Messung und Code-Lesen) – Funktionen der Präzisionsprüfung, die in der Bildanalyse weit verbreitet sind. Kein eigenes Entwicklungsteam erforderlich: Bediener vor Ort führen den gesamten Zyklus aus Annotation, Training, Prüfung, Inferenz und Review selbst durch. DeepVi unterstützt On-Premise- und Cloud-Betrieb und bietet eine universelle Pipeline, die branchenübergreifend sofort einsatzbereit ist – in Fertigung, Smart Farming, Logistik und Sicherheitstechnik.

Was Sie mit DeepVi erreichen

Anwendungsbereiche

Dieselbe Pipeline funktioniert branchenübergreifend – es genügt, Klassennamen und Daten anzupassen, und DeepVi lässt sich über Fertigung, Smart Farming, Logistik und Sicherheitstechnik hinaus sofort auf Medizin und Gesundheitswesen, optische Sortierung, Embedded Vision, automatische Testsysteme (ATE) und weitere Bereiche ausweiten.

Hauptfunktionen

Storage (Datenverwaltung)

• Massen-Upload per Web zur Registrierung großer Bildbestände
• Ordnerbasierte Verwaltung – Ordner anlegen, verschieben und löschen; mehrere ausgewählte Elemente gemeinsam verschieben
• Schnelles Durchsuchen großer Datensätze dank automatisch erzeugter Vorschaubilder
• Speicherbelegung auf einen Blick
• Originaldaten bleiben dauerhaft erhalten – einfach wiederverwendbar
• Datensätze referenzieren die Originale – der Speicherbedarf bleibt konstant, auch wenn weitere Datensätze hinzukommen

Dataset (Labeling)

• Einheitliche Annotationsumgebung für alle 3 Typen: Classification · Detection · Segmentation
• Präzise Annotationswerkzeuge für BBox · Polygon · Mask
• KI-gestützte Segmentierung und Auto Labeling für kürzere Annotationszeiten
• Import/Export in Standardformaten wie COCO sowie Kategorievorlagen
• Veröffentlichte Datensatz-Snapshots (feste Aufteilung in Train/Val/Test) für reproduzierbares Training

Training · Model (Workflow-Training und Validierung)

• Integrierter Workflow – Trainingsablauf, Knotenstatus und Logs auf einem Bildschirm
• Starten · Pausieren · Fortsetzen pro Knoten sowie Anpassung der Parameter
• Erweiterung und Bearbeitung von Workflows mit dem VCANUS Workflow-Editor
• Modellfamilien Fast / Standard, um weitere Familien erweiterbar
• Anomaly Detection – Training für strukturelle und logische Anomalien
• Transfer Learning und Early Stopping mit Loss-Diagramm in Echtzeit
• Leistungsbewertung mit Confusion Matrix und mAP; Export als Checkpoint und ONNX

Align · Inspection (Präzisionsprüfung)

• Registrierung von Referenzbildern und Erstellung des Align-Modells mit einem Klick
• Automatische Korrektur von Versatz und Rotation (Align)
• 6 Prüfwerkzeuge: Caliper · Circle · Distance · Angle · Code · Template
• Toleranzbasierte OK/NG-Bewertung mit Golden-Probelauf am Referenzbild
• Bewertung in Echtzeit zusammen mit den Deep-Learning-Ergebnissen im Inferenz-Workflow

Inference (Echtzeit-Inferenz)

• Live-Inferenz aus Kamerastreams oder Bilddateien
• Workflow-basierte Oberfläche für die schnelle Konfiguration von Algorithmen (eigene Knoten hinzufügen)
• Echtzeitanzeige von Erkennungen und Konfidenzwerten sowie Zeitanalyse für Vorverarbeitung / Inferenz / Nachverarbeitung
• Ergebnisse aus Detection, Segmentation und Classification gemeinsam mit dem OK/NG aus Align · Inspection
• Automatisches Speichern von Ergebnissen, Koordinaten und Zeitstempeln; Verlaufsabfrage mit Filterbedingungen
• Ergebnisgesteuerte Aktionen – Anlagensteuerung, Datenprotokollierung, Alarme und mehr als Workflow-Aktionen auslösen

Review (Modellverbesserung)

• Aufbau von Trainingsdaten durch Review von Fehlalarmen, erneute Annotation und Kommentare
• Verwaltung des Review-Status – Freigeben, Ablehnen (mit Begründungscodes) oder Verwerfen, mit Verlauf pro Element
• Vergleichen und Bearbeiten geprüfter Labels gegenüber den ursprünglichen Vorhersagen
• Geprüfte Daten fließen in den Datensatz zurück → erneutes Training
• Nach der Leistungsbewertung wird das Produktionsmodell durch ein verifiziertes Modell ersetzt

DeepVi in einem Satz

Ohne Programmierung, alles auf einer Plattform – DeepVi beseitigt jede Hürde bei der Einführung von KI.

DeepVi deckt die komplette End-to-End-Pipeline der KI-Bildverarbeitung auf einer einzigen Plattform ab: Datenerfassung (Storage) → Annotation (Dataset) → Workflow-Training (Training) → Präzisionsprüfung (Align · Inspection) → Echtzeit-Inferenz (Inference) → Modellverbesserung (Review). Dieselbe Pipeline funktioniert branchenübergreifend – es genügt, Klassennamen und Daten anzupassen, und sie lässt sich sofort auf Fertigung, Smart Farming, Logistik, Sicherheitstechnik, medizinische Bildgebung und weitere Bereiche übertragen.