KI-Training mit Bildern aus dem Varroadetactor

Das neuronale Netz ist per se dumm! Wie ein Kind muss es lernen, die gewünschten Fähigkeiten trainieren. Hierbei werden Datensätze generiert, die dann das neuronale Netz formen. Einmal trainiert, kann dann die "KI" hochspezialisiert Dinge erledigen, die für Menschen nicht nur langweilig und zeitraubend sind sondern auch jeden Betriebsrat auf den Plan rufen würden :-)

Im Klartext: Unsere Aufgabe ist es, der KI, die sich hinter unserer Varroamilben-Diagnoseeinheit, dem "Varroa-Detector" verbirgt beizubringen, was sie genau auf den Bildern erkennen soll. Dazu braucht es neben vieler Bilder von möglichst realistischen "Gemüll-Windel-Fotos" auch jede Menge Zeit und Geduld, diese zu sichten und die gefundenen Milben für die KI zu markieren. Diese "annotierten" Bilder mit Milbenpositionen werden dann von der KI "gelernt". Es ist wichtig, viele verschiedene Szenarien abzubilden und die KI mit einer großen Anzahl von Bildern zu "füttern". Hierbei werden zahllose Parameter verarbeitet und ermöglichen dann, automatisch nicht nur offensichtlich "herumliegende" Milben zu erkennen, sondern auch die "schwierigen Fälle" zu finden. Milben die etwa unter einem Pollenkorn herausragen oder halb unter einem Wachskrümel verborgen sind. Das menschliche Auge ist in dieser Mustererkennung sehr gut und effektiv, Bilder mit vergrößerten Milben sind sehr schnell und sicher für uns Menschen "lesbar". Allerdings lässt unsere Konzentration schnell nach und es wird anstrengend.

gemüllbiulder.PNG — Abbildung: Gemüllbilder im Benutzercockpit, man beachte die Kalibrierungsblätter.

Die abgebildeten Windelbilder sind aus 270 Einzelbildern zusammengesetzt, das hat den Vorteil, das wir keinen Platz nach oben verschwenden und sehr hochauflösende Bilder bekommen obwohl nur eine niedrig auflösende Kamera verwendet wird. Die Software macht dann des Rest und montiert die Bilder wieder zu einer Gesamtansicht der Windel. Damit kann der Imker viele Dinge zusätzlich zu den Milbe erkennen: Wo sitzen die Bienen im Winter? Wo ist das Brutnest?, Werden Vorräte entdeckelt? usw..

Eine KI arbeitet ohne Pause und ohne Emotion. Um aber eine ähnlich hohe Erkennungsrate wie ein Mensch zu erreichen sind tausende Szenarien und Milbenbilder zu "trainieren".

Abbildung: CVAT-Annotations-Tool: So gut sind die Milben zu erkennen. Sie müssen exakt eingerahmt werden. (Milbe ganz oben.) Die untere ist zu weiträumig markiert und muss nachgearbeitet werden.

Im Moment haben wir begonnen die Trainingsdaten unseres KI-Modells mit Daten aus unseren finalen Testgeräten zu verfeinern und es and die Änderungen der Hardware anzupassen. Natürlich ist unsere KI noch nicht perfekt, aber wir arbeiten daran. Jeder einzelne zukünftige Besitzer eine VD-1 wird uns helfen können, unsere KI noch besser zu machen. Dazu aber später mehr!

Herzlichst, Ihr Gunther Bigl