Skip to main content
Disciplines
Automotive Business IT + Informatics Construction + Real Estate Electrical Engineering + Electronics Energy + Sustainability Insurance + Risk Finance + Banking Management + Leadership Marketing + Sales Mechanical Engineering + Materials
Events
DE
EN
Books
Journals
Topic Page
Marketing
Start single access now
Access for companies
EXTENDED SEARCH
Log in
Top
Published in:
Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens Read chapter Read first chapter

2021 | OriginalPaper | Chapter

4. Herausforderungen und Potenziale von KI-gestützter visueller Inspektion in der Elektronikindustrie

Authors : Timo Koppe, Jonas Schatz, Thomas Hornung

Published in: Künstliche Intelligenz

Publisher: Springer Berlin Heidelberg

Log in

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

In den vergangenen Jahren war die Künstliche Intelligenz (KI) Gegenstand intensiver Forschung. Eines der Gebiete, auf dem die Wissenschaft große Erfolge erzielen konnte, ist Computer Vision (Prince 2012). Hierbei lernen Computer zu „sehen“, indem sie visuelle Daten wie Bilder oder Videos analysieren, um Entscheidungen zu treffen oder Erkenntnisse über ihre Umwelt zu gewinnen. Insbesondere dank der Fortschritte im Bereich des Deep Learning konnten Neuronale Netze zuletzt bemerkenswerte Erfolge bei wichtigen Benchmarks in der Forschung erzielen (Krizhevsky et al. 2012; Yin et al. 2019), wobei sie auch deutlich effizienter wurden (Tan und Le 2019).

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

inform now
previous chapter Künstliche Intelligenz in Banken – Status quo, Herausforderungen und Anwendungspotenziale
next chapter KI-Innovation über das autonome Fahren hinaus
Literature
Arrieta, A. B., Díaz-Rodríguez, N., Del Ser, J., Bennetot, A., Tabik, S., Barbado, A., & Chatila, R. (2020). Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. Information Fusion, 58, 82–115.CrossRef
Drury, C. G., & Fox, J. G. (1975). Human reliability in quality control. London: Taylor and Francis.
Guo, C., Pleiss, G., Sun, Y., & Weinberger, K. Q. (2017). On calibration of modern neural networks. Paper presented at the proceedings of the 34th international conference on machine learning. PMLR, 70, 1321–1330. Sydney (Aug 11–15, 2017).
Koppe, T., Schmidt, H., & Buxmann, P. (2019). Daten und Künstliche Intelligenz als Basis für digitale Geschäftsmodelle in der Industrie. In Lünendonk-Handbuch Facility Management 2019 (S. 49–61). Freiburg: Haufe Lexware GmbH.
Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks (S. 1097–1105). Paper presented at the Neural Information Processing Systems (NIPS), Lake Tahoe, USA.
Martin, K. (2019). Designing ethical algorithms. MIS Quarterly Executive, 18, 2.
Prince, S. J. (2012). Computer vision: Models, learning, and inference [Press release].
Shalev-Shwartz, S., & Ben-David, S. (2014). Understanding machine learning: From theory to algorithms [Press release].
Shang, L., Yang, Q., Wang, J., Li, S., & Lei, W. (2018). Detection of rail surface defects based on CNN image recognition and classification. In 2018 20th International Conference on Advanced Communication Technology (ICACT) (S. 45–51). IEEE. Korea: ChunCheon.
Tallon, P. P., Kraemer, K. L., & Gurbaxani, V. (2000). Executives’ perceptions of the business value of information technology: A process-oriented approach. Management Information Systems, 16(4), 145–173.CrossRef
Tan, M., & Le, Q. V. (2019). Efficientnet: Rethinking model scaling for convolutional neural networks. arXiv preprint arXiv:1905.11946.
Wang, T., Chen, Y., Qiao, M., & Snoussi, H. (2018). A fast and robust convolutional neural network-based defect detection model in product quality control. The International Journal of Advanced Manufacturing Technology, 94(9–12), 3465–3471.CrossRef
Weimer, D., Scholz-Reiter, B., & Shpitalni, M. (2016). Design of deep convolutional neural network architectures for automated feature extraction in industrial inspection. CIRP Annals, 65(1), 417–420.CrossRef
Wolpert, D. H. (2002). The supervised learning no-free-lunch theorems. In Soft computing and industry (S. 25–42). Berlin: Springer.CrossRef
Yin, D., Lopes, R. G., Shlens, J., Cubuk, E. D., & Gilmer, J. (2019). A fourier perspective on model robustness in computer vision. Paper presented at the advances in neural information processing systems (S. 13276–13286). Vancouver Convention Center, Canada.
Metadata
Title
Herausforderungen und Potenziale von KI-gestützter visueller Inspektion in der Elektronikindustrie
Authors
Timo Koppe
Jonas Schatz
Thomas Hornung
Copyright Year
2021
Publisher
Springer Berlin Heidelberg
Book
Künstliche Intelligenz

Print ISBN: 978-3-662-61793-9

Electronic ISBN: 978-3-662-61794-6

Copyright Year: 2021

DOI
https://doi.org/10.1007/978-3-662-61794-6_4