Fazit
Deep-Learning-basierte Methoden zur Fehlererkennung erfordern in der Regel eine hohe Anzahl von Trainingsbildern, auf denen das Objekt mit dem jeweiligen Defekt zu sehen ist. Mit dem neuen Feature Anomaly Detection lässt sich für das Training die Anzahl auf 20 bis maximal 100 Bilder reduzieren. Zudem können diese defektfrei sein, d.h. sie müssen die zu erkennende Anomalie nicht im Motiv zeigen. Damit entfällt auch das Labeln der Bilder, was den Aufwand und die Kosten für Unternehmen deutlich senkt.