„KI kann Software-Experten nicht ersetzen!“

Interview mit Mario Bohnacker, Technical Product Manager Halcon bei MVTec

  • Mario Bohnacker ist seit ­Jahresbeginn Technical Product ­Manager Halcon bei MVTec. (Bildquelle: MVTec)Mario Bohnacker ist seit ­Jahresbeginn Technical Product ­Manager Halcon bei MVTec. (Bildquelle: MVTec)

Wo geht es hin mit Embedded ­Vision und künstlicher Intelligenz? Welche Rolle spielt dabei die Programmbibliothek Halcon? Und was können wir von China lernen? Diese und weitere Fragen diskutierte die inspect-Redaktion mit Mario Bohn­acker, der seit Anfang des Jahres Technical Product Manager Halcon bei MVTec ist und einige Zeit seines Berufslebens in China verbracht hat.

Herr Bohnacker, Sie sind seit dem 1. Januar technischer Produktmanager für Halcon. Erst einmal: Herzlichen Glückwunsch zur neuen Stelle. Bitte erläutern Sie kurz, welche maßgeblichen beruflichen Stationen Sie zu MVTec geführt haben. Dort waren Sie ja kein Unbekannter…
Mario Bohnacker: Erst einmal vielen Dank für die Glückwünsche. Ich freue mich sehr auf die neuen herausfordernden Aufgaben als Technical Product Manager Halcon bei MVTec. Meine Karriere habe ich 2010 bei einem international tätigen Maschinenbauunternehmen als Softwareentwickler für die industrielle Bildverarbeitung begonnen. Bis Ende 2014 war ich dort am Hauptsitz in Reutlingen tätig und befasste mich hauptsächlich mit der Umsetzung vielfältiger Bildverarbeitungsapplikationen mit Halcon in den unterschiedlichsten Anwendungsbereichen. Anschließend ergab sich dann die Chance, für diese Firma für längere Zeit nach China zu gehen, um dort ein Entwicklungsteam für Bildverarbeitung aufzubauen und Service-Techniker für die Inbetriebnahme von Bildverarbeitungsapplikationen auszubilden.

Nach sehr spannenden und lehrreichen zwei Jahren habe ich mich dazu entschieden, wieder nach Deutschland zurückzukehren. Da Halcon mich meine ganze bisherige Karriere begleitet hat und ich von Beginn an ein überzeugter Halconist war, lag es nahe, sich bei MVTec zu bewerben. So habe ich Anfang 2017 bei MVTec als Projekt­ingenieur angefangen. Nach einer Umstrukturierung im Bereich Solutions & Services wurde ich noch im selben Jahr Teamleiter Solutions und habe die Themen Kundenprojekte und Kundenschulungen verantwortet. In meiner neuen Position als Technical Product ­Manager habe ich nun die Gelegenheit, meine vielfältige Anwendungs- und Produktexpertise einzubringen.

Eine Ihrer vorherigen beruflichen ­Station war in China. Wie unterscheidet sich die dortige Arbeitsweise von der hiesigen?
Mario Bohnacker: Hinsichtlich Applika­tionsentwicklung und Innovationskraft unterscheidet sich die Arbeitsweise zunächst dahingehend, dass in Deutschland viel Wert daraufgelegt wird, Fachexperten auszubilden. In China hingegen wird oft durch die schiere Personenzahl, die sich mit einem Thema beschäftigt, letztendlich eine ähnlich starke Entwicklungs- und Innovationskraft erzeugt.

Auf dem MVTec Innovation Day Ende Februar ging es viel um künstliche Intelligenz und Deep Learning. Auch Halcon hat mit der aktuellen Version 19.11 mit der Anomalie­erkennung eine weitere KI-Funktion bekommen. Wie bewerten Sie die Rolle von KI in der industriellen Bildverarbeitung?
Mario Bohnacker: In der industriellen Bildverarbeitung gibt es sehr viele wichtige Technologien, die helfen, die unterschiedlichsten Anwendungen zu realisieren und Deep Learning, als Teilbereich von künstlicher Intelligenz (KI), erweitert hier das Spektrum. Wir sehen Deep Learning in der Bildverarbeitung daher als eine wichtige Ergänzung, die es ermöglicht, weitere, zum Teil bisher noch nicht zufriedenstellend lösbare, Problemstellungen anzugehen.

Welche weiteren Neuerungen wird das neueste Halcon Progress Release ent­halten?
Mario Bohnacker: Ein neues Feature von Halcon 20.05 ist das Training von Deep-Learning-Netzen auf CPUs. Da eine dedizierte GPU dadurch nicht mehr notwendig ist, können Netze einer Deep-Learning-Applikation nun auch auf regulären Industrie-PCs trainiert werden. Zudem kann der Barcode-Leser in der neuen Version auch Barcodes mit eine Modulgröße von unter einem Pixel lesen. Darüber hinaus haben wir das Kundenfeedback zur letzten Version direkt in das neue Halcon Progress Release einfließen lassen: So wird beispielsweise das Training der Anomalieerkennung deutlich beschleunigt und die Netzgröße reduziert, was die Technologie für noch mehr Anwendungsszenarien attraktiver macht. Auch findet der generische Box Finder Boxen nun noch schneller und robuster.

Welche weiteren Schritte wollen Sie mit Halcon gehen? Ersetzt die KI bald den Software-Entwickler?
Mario Bohnacker: Mit Halcon wollen wir auch in Zukunft unseren Kunden stets die neuesten Technologien zur Verfügung stellen, sowohl für regelbasierte Bildverarbeitung als auch für Deep Learning. Und nein, ich denke nicht, dass die KI bald den Software-Entwickler ersetzt. Man könnte allerdings sagen, dass sich Softwareentwickler zukünftig stärker auf die Problemstellungen, die nicht mittels Deep Learning lösbar sind, konzentrieren können. Aufgaben, die wiederum mit Deep Learning gelöst werden können, erfordern nämlich weniger Softwarekenntnisse aber dafür mehr Know-how rund um Datenmanagement.

Von KI abgesehen, welche Bereiche von Halcon wollen Sie noch ausbauen oder verbessern?
Mario Bohnacker: Als Anbieter von Machine-Vision-Standardsoftware ist es unser Anspruch, unseren Anwendern das bestmögliche Produkt an die Hand zu geben. Entsprechend verfolgen wir das Ziel, alle in Halcon verfügbaren Technologien auf dem neuesten Stand zu halten. Dies spiegelt sich auch in den unterschiedlichen Bereichen wider, die zusätzlich zu Deep Learning in unseren Releases bespielt werden: im Bereich Identifikation beispielsweise mit unserem Subpixel-Barcode-Leser, der Beschleunigung des ECC-200-Datacode-Lesers auf Multicore-Systemen sowie auch im Bereich 3D mit dem neuen generischen Box Finder oder den Verbesserungen im Bereich des oberflächenbasierten 3D-Matchings.

Smartkameras, Embedded Vision und vor allem Plug and Play versprechen die industrielle Bildverarbeitung einfacher für den Anwender zu machen. Derzeit adressieren sie zwar eher einfache Anwendungen. Dennoch scheint es absehbar, dass deren Einsatzspektrum weiter wächst. Wie reagiert MVTec auf diese Entwicklung?
Mario Bohnacker: Embedded Vision ist für uns kein neues Thema, da wir bei MVTec unsere Standardsoftware Halcon schon seit vielen Jahren erfolgreich auf unterschiedlichste Embedded-Plattformen portiert haben. Da eine Vielzahl an Embedded-Vision-Anwendungen auf der beliebten Arm-Architektur basiert, bieten wir Halcon schon seit 2017 auch für diese Plattformen an. Unsere Kunden können unsere Software, inklusiv aller Deep-Learning-Technologien, damit out-of-the-box auf sehr vielen Arm-basierten Plattformen einsetzen. Um die Implementierung zu optimieren, unterstützt unsere Software natürlich auch alle relevanten Schnittstellen, wie zum Beispiel GenTL, GigEVision, USB3Vision, Video4Linux und MIPI CSI zur Bildaufnahme oder die OPC UA-Schnittstelle zur Kommunikation mit der Anlagensteuerung. Seit kurzem ergänzen ein GStreamer sowie ein GPIO Interface, welche speziell im Embedded Bereich eine wichtige Rolle spielen, die Liste an Schnittstellen.

Halcon richtet sich klar an Nutzer mit tiefgehenden Fachkenntnissen. Dennoch gewinnt nicht erst seit der Smartphone-Ära das Thema Benutzerfreundlichkeit stetig an Bedeutung. Wie erhöhen Sie den Nutzungskomfort in Halcon?

Mario Bohnacker: Natürlich ist Usability ein sehr wichtiges Thema. Klar ist aber auch: Halcon ist und bleibt eine Programmierbibliothek. Und um die vielfältigen Möglichkeiten und das volle Leistungsspektrum von Halcon abrufen zu können, ist Bildverarbeitungs-Know-how nötig. Mit HDevelop geben wir Bildverarbeitungsentwicklern eine integrierte Entwicklungsumgebung an die Hand, die speziell für die Entwicklung von Machine-Vision-Anwendungen optimiert ist und den Anwender mit unterschiedlichsten Tools und Assistenzfunktionen unterstützt.

Auch in der Halcon-Bibliothek selbst wollen wir den Nutzungskomfort erhöhen, indem wir beispielsweise einzelnen Operatoren Parametersets für bestimmte Szenarien zur Verfügung stellen, (wie „standard_recognition“, „enhanced_recognition“ und „maximum_recognition“ beim Lesen von 2D-Codes). Darüber hinaus beschäftigen wir uns damit, Parameter ausgehend von Bilddaten für Nutzer automatisch zu schätzen, sodass bei Verwendung der Standard-Parameter deutlich mehr Anwendungsfälle direkt gelöst werden können. Halcon-Experten haben damit aber weiterhin die Möglichkeit, Parameter eigenständig zu setzen.

Autor(en)

Kontaktieren

MVTec Software GmbH
Arnulfstraße 205
80634 München
Germany
Telefon: +49 89 457 695 0
Telefax: +49 89 457 695 55

Jetzt registrieren!

Die neusten Informationen direkt per Newsletter.

To prevent automated spam submissions leave this field empty.