Das Team
| Rolle | Einsatz |
|---|---|
| Computer Vision Engineer | Monat 1 bis 8, Vollzeit |
| Data Scientist | Monat 1 bis 4, drei Tage pro Woche |
| AI Data Trainer | Monat 2 bis 5, drei Tage pro Woche |
| MLOps Engineer | Monat 5 bis 8, drei Tage pro Woche |
Vorgehen
- MachbarkeitSechs Wochen mit Kamera an einer Linie zeigen, welche Fehlerbilder sicher erkannt werden und welche mehr Daten brauchen.
- DatenPrüfer aus der Qualitätssicherung annotieren Bilder nach einem gemeinsamen Leitfaden.
- LinienintegrationDas Modell läuft auf einem Rechner an der Linie und ist an die Ausschleusung angebunden.
- BetriebNachtraining bei neuen Varianten und Überwachung der Erkennungsrate sind automatisiert.
Ergebnis
- Jedes Teil wird geprüft und dokumentiert
- Die Prüfer konzentrieren sich auf Grenzfälle und Ursachenanalyse
- Reklamationen wegen der adressierten Fehlerbilder gehen deutlich zurück
- Das Werk kann neue Varianten selbst einlernen
Was daraus zu lernen ist
Der Annotationsleitfaden war der wichtigste Schritt. Erst als sich die Prüfer einig waren, was ein Fehler ist, wurde das Modell verlässlich.
Die Praxisbeispiele sind Beispielszenarien. Sie zeigen, wie solche Projekte typischerweise besetzt werden und verlaufen. Es sind keine Referenzen einzelner Kunden.