Industrie 4.0 is nog steeds sterk gericht op de digitalisering van machines en processen, maar mensen voeren nog steeds 4 van de 5 activiteiten uit in een typische productie - bijna onopgemerkt door de steeds verdergaande digitalisering. Is het niet logisch voor een sensorspecialist om de menselijke hand als sensor te gebruiken?
De toepassing werkt door een combinatie van objectherkenning - d.w.z. de handen - en het individueel volgen van elke herkende hand. Een gecombineerde 2D/3D-camera maakt de nauwkeurige detectie van de grijppositie mogelijk. In het gezichtsveld van de camera fungeert de menselijke hand als sensor, zodat de posities van de handen kunnen worden gevolgd zonder verdere technische of optische hulpmiddelen. In het geval van een afwijking van de gespecificeerde processtappen verschijnen er aanwijzingen in het livebeeld van de monitor, zodat de werknemer door digitale ondersteuning meer veiligheid krijgt bij de uitvoering van de werkprocessen.
Nieuwe vormen van kunstmatige intelligentie, waaronder deep learning, creëren nieuwe mogelijkheden om zelfs complexe beeldherkenningsproblemen op te lossen. De objectherkenning in de industriële omgeving heeft altijd betrekking gehad op onderdelen die zo veel mogelijk op elkaar lijken en die dus vanuit het oogpunt van beeldverwerking gemakkelijk als objecten kunnen worden omschreven. Maar wanneer het erom gaat objecten te herkennen die dynamisch zijn en er altijd net iets anders kunnen uitzien, bereiken conventionele algoritmische benaderingen hun grenzen. De menselijke hand is het beste voorbeeld: Ze verschillen niet alleen van persoon tot persoon, maar ook in vorm, houding, rotatie en hoekverdraaiing. En ook nog eens altijd in beweging.
Maar dat is precies waarin deep learning uitblinkt: neurale netwerken kunnen juist dit soort dingen herkennen, door grote hoeveelheden data die van tevoren zijn aangeleerd.