Industry 4.0 har stadig målrettet fokus på digitaliseringen af maskiner og processer, alligevel skal mennesker stadig udføre fire ud af fem aktiviteter i en typisk produktionsproces – det går upåagtet hen i den stadig stigende digitalisering. Giver det derfor ikke mening for en sensorspecialist at bruge den menneskelig hånd som sensor?
Anvendelsen bruger en kombination af objektdetektering – dvs. hænder – og den individuelle tracking af hver detekteret hånd. Et kombineret 2D/3D-kamera giver mulighed for præcis detektering af håndteringspositionen. Den menneskelige hånd fungerer i kameraets synsfelt som sensor for at sikre, at hændernes positioner kan følges uden yderligere tekniske eller visuelle hjælpemidler. Enhver afvigelse fra de specificerede procestrin resulterer i beskeder, der vises i live-skærmbilledet, der yder digital hjælp til arbejderen for at sikre øget sikkerhed under udførelsen af arbejdsprocesserne.
Nye former for kunstig intelligens, som f.eks. deep learning-metoder, skaber nye muligheder for at løse selv komplekse billedegenkendelses-problemer. Objektdetektering har på det industrielle område altid været målrettet komponenter, som ser så ens ud som muligt og derfor kan beskrives som objekter ud fra et billedbearbejdningssynspunkt. Men når det handler om at genkende objekter, som er dynamiske og altid ser en smule forskellige ud, kommer konventionelle algoritmer til kort. Her er den menneskelige hånd et godt eksempel: Den varierer ikke kun fra person til person, men varierer også mht. form, position, rotation og vinkelvisning. Og så må man ikke glemme håndens bevægelser.
Men det er lige præcis her, at deep learning har sin berettigelse: Neurale netværk kan registrere præcist sådanne ting, vha. store datamængder, som kan læres i forvejen.