Verhaltens-KI macht Computer Vision wirkungsvoller

Seit vielen Jahren konzentrieren sich Computer-Vision-Innovationen auf Aufgaben wie die Objekterkennung – das Identifizieren von Objekten wie Hunden oder Autos in Bildern und Videos. Diese Ansätze haben Anwendungen in Bereichen wie autonomen Fahrzeugen, der Fertigung und im Gesundheitswesen ermöglicht.

Diese Aufgaben konzentrieren sich jedoch oft nur darauf, zu identifizieren, was ein Objekt ist. Was wäre, wenn Vision-KI-Systeme einen Schritt weiter gehen könnten? Anstatt beispielsweise nur einen Hund zu erkennen, könnte das System verstehen, dass der Hund einem Ball hinterherjagt oder dass ein Auto plötzlich bremst, weil ein Fußgänger die Straße überquert. Dieser Wandel von grundlegender Erkennung hin zu kontextbezogenem Verständnis stellt einen bedeutenden Schritt in Richtung einer intelligenteren, kontextbewussten Verhaltens-KI dar.

Auf der YOLO Vision 2024 (YV24), der jährlichen hybriden Veranstaltung von Ultralytics, die Fortschritte in der Vision AI feiert, stand das Konzept der KI-gesteuerten Verhaltensanalyse während eines interessanten Vortrags von David Scott, CEO von The Main Branch, im Mittelpunkt.

In seinem Vortrag beleuchtete David den Übergang von grundlegenden Computer-Vision-Aufgaben zum Verhaltens-Tracking. Mit über 25 Jahren Erfahrung in der Entwicklung modernster Tech-Anwendungen präsentierte er die Auswirkungen dieses Sprungs. Er betonte, wie das Entschlüsseln von Mustern und Verhaltensweisen Branchen wie die Landwirtschaft und den Tierschutz neu gestaltet.

In diesem Artikel gehen wir die Höhepunkte von Davids Vortrag durch und untersuchen, wie Verhaltens-Tracking KI praktischer macht.

Link to this sectionHerausforderungen bei der Einführung von KI verstehen#

David Scott begann seine Keynote mit einem mutigen Realitätscheck und sagte: „Ein Kollege von mir sagt oft: ‚Wissenschaft verkauft sich nicht‘, was uns hier viele ein wenig kränkt, weil wir Wissenschaft wirklich mögen. KI ist wirklich cool – warum kaufen die Leute sie nicht einfach? Aber die Realität ist, dass die Leute sie nicht kaufen wollen, nur weil wir sie cool finden; sie brauchen einen Grund zum Kaufen.“

Er erklärte weiter, dass bei seinem Unternehmen, The Main Branch, der Fokus immer darauf liegt, echte Probleme mit KI zu lösen, anstatt nur deren Fähigkeiten zur Schau zu stellen. Viele Kunden kommen und wollen darüber sprechen, wie sie KI im Allgemeinen einsetzen können, aber er sieht das als einen rückwärtigen Ansatz – es ist, als hätte man eine Lösung ohne ein Problem. Stattdessen arbeiten sie mit Kunden zusammen, die spezifische Herausforderungen mitbringen, damit sie KI-Lösungen entwickeln können, die tatsächlich etwas bewirken.

Abb. 1. David Scott auf der Bühne bei der YV24.

David teilte auch mit, dass ihre Arbeit oft über das bloße Erkennen von Objekten in einer Szene hinausgeht. Das Erkennen dessen, was da ist, ist nur der erste Schritt. Der eigentliche Wert entsteht dadurch, herauszufinden, was mit diesen Informationen zu tun ist, und sie innerhalb der größeren Wertschöpfungskette nützlich zu machen.

Link to this sectionVerhaltens-Tracking-Technologie: der Schlüssel zu umsetzbarer KI#

Ein entscheidender Schritt, um KI wirklich nützlich zu machen, ist der Schritt über grundlegende Computer-Vision-Aufgaben wie die Objekterkennung hinaus und die Nutzung dieser Erkenntnisse für das Verhaltens-Tracking. David betonte, dass sich Verhaltens-KI auf das Verstehen von Handlungen und Mustern konzentriert, nicht nur auf das Identifizieren von Objekten. Dies macht KI dazu fähig, bedeutungsvolle Ereignisse zu erkennen und umsetzbare Erkenntnisse zu liefern.

Er gab ein Beispiel für ein Tier, das sich auf dem Boden wälzt, was auf eine Krankheit hinweisen könnte. Während Menschen ein Tier nicht rund um die Uhr beobachten können, können dies KI-gesteuerte Überwachungssysteme mit Verhaltens-Tracking-Funktionen. Solche Lösungen können Objekte kontinuierlich überwachen, spezifische Verhaltensweisen erkennen, eine Warnung senden und ein rechtzeitiges Handeln ermöglichen. Dies verwandelt Rohdaten in etwas Praktisches und Wertvolles.

David zeigte auch, dass dieser Ansatz KI nicht nur interessant, sondern wirklich wirkungsvoll macht. Durch die Lösung echter Probleme, wie das Überwachen von Verhaltensweisen und das Handeln darauf, kann Verhaltens-Tracking zu einem Schlüsselbestandteil effektiver KI-Lösungen in verschiedenen Branchen werden.

Link to this sectionVerhaltens-KI zum Leben erwecken#

David Scott veranschaulichte dann, wie Ultralytics YOLOv8, ein Computer-Vision-Modell, ein Durchbruch für die Verhaltens-Tracking-Projekte seines Teams war. Es gab ihnen eine solide Grundlage für das Erkennen, Klassifizieren und Verfolgen von Objekten. Sein Team ging sogar noch einen Schritt weiter und trainierte YOLOv8 individuell, um sich auf die Überwachung von Verhaltensweisen über einen längeren Zeitraum zu konzentrieren, was es für reale Situationen praktischer und hilfreicher machte.

Interessanterweise können mit der Veröffentlichung von Ultralytics YOLO11 Lösungen wie die von The Main Branch noch zuverlässiger und genauer werden. Dieses neueste Modell bietet Funktionen wie verbesserte Präzision und schnellere Verarbeitung, die seine Fähigkeit zum Verfolgen von Verhaltensweisen verbessern. Wir werden dies ausführlicher besprechen, nachdem wir ein besseres Verständnis für die Anwendungen gewonnen haben, für die Verhaltens-KI eingesetzt werden kann.

Als Nächstes erkunden wir die Lösungen, über die David sprach, und wie Verhaltens-Tracking-Technologie in realen Anwendungen eingesetzt wird, um alltägliche Herausforderungen zu lösen und einen sinnvollen Einfluss zu erzielen.

Link to this sectionHerdSense mit KI-gesteuerter Verhaltensanalyse#

Zuerst erzählte David von einer spannenden Herausforderung, die sie mit einem Projekt namens HerdSense angingen, bei dem es um die Überwachung der Gesundheit von Tausenden von Kühen auf einem riesigen Futterplatz ging. Das Ziel war es, das Verhalten einzelner Kühe zu verfolgen, um potenzielle Gesundheitsprobleme zu identifizieren. Das bedeutete, Zehntausende von Tieren gleichzeitig im Auge zu behalten, und das war keine einfache Aufgabe.

Abb. 2. HerdSense konzentrierte sich auf die Überwachung und Identifizierung von Kühen mithilfe von Verhaltens-KI.

Um mit der Lösung des Problems der Identifizierung jeder Kuh und der Verfolgung ihres Verhaltens zu beginnen, führte Davids Team einen zweitägigen Workshop durch, um jedes mögliche Verhalten zu skizzieren, das sie überwachen mussten. Sie identifizierten insgesamt über 200 Verhaltensweisen.

Jede der 200 Verhaltensweisen hing davon ab, einzelne Kühe präzise erkennen zu können, da alle Daten mit spezifischen Tieren verknüpft werden mussten. Ein großes Problem war das Verfolgen von Kühen, wenn sie sich in Gruppen zusammenscharten, was es schwierig machte, einzelne Tiere zu sehen.

Davids Team entwickelte ein Computer-Vision-System, um sicherzustellen, dass jede Kuh konsistent identifiziert wurde, selbst in schwierigen Situationen. Sie konnten bestätigen, dass derselben Kuh immer dieselbe ID zugewiesen wurde, auch wenn sie aus dem Blickfeld verschwand, sich unter andere mischte oder später wieder auftauchte.

Link to this sectionÜberwachung der Pferdegesundheit mittels Computer Vision#

Weiter ging es mit einem weiteren faszinierenden Projekt, bei dem David ähnliche Verhaltens-Tracking-Techniken anwandte, um Pferde zu überwachen. In diesem Projekt musste Davids Team nicht so genau wie bei den Kühen die individuellen Pferde-IDs verfolgen. Stattdessen konzentrierten sie sich auf spezifische Verhaltensweisen und verfolgten Details wie Essgewohnheiten und allgemeine Aktivitätsniveaus, um frühzeitig Gesundheitsprobleme zu erkennen. Das Identifizieren kleiner Verhaltensänderungen könnte zu schnelleren Interventionen führen, um eine bessere Versorgung zu gewährleisten und Probleme zu verhindern, bevor sie ernst werden.

Abb. 3. Überwachung von Pferden mit Hilfe von Verhaltens-KI.

Link to this sectionWarum Verhaltens-KI nicht so einfach ist, wie es scheint#

David diskutierte auch die Komplexität des Verhaltens-Trackings anhand eines faszinierenden Beispiels. Während sein Team nach Wegen zur Verbesserung der Verhaltensanalyse suchte, stießen sie auf ein Unternehmen, das behauptete, Ladendiebstahl zu erkennen, indem es spezifische Posen analysierte, etwa wenn jemand die Hand in der Tasche hat. Zuerst schien das eine clevere Idee zu sein – bestimmte Bewegungen könnten auf verdächtiges Verhalten hindeuten, oder?

Abb. 4. Die Herausforderungen der Verhaltens-Tracking-Technologie verstehen.

Als David jedoch weiter forschte, erkannte er die Grenzen dieser Methode. Eine einzelne Pose, wie die Hand in der Tasche, bedeutet nicht unbedingt, dass jemand einen Ladendiebstahl begeht. Es könnte einfach darauf hindeuten, dass die Person entspannt ist, nachdenkt oder sogar friert. Das Problem, sich auf isolierte Posen zu konzentrieren, ist, dass der größere Kontext ignoriert wird. Verhalten ist nicht nur eine einzelne Aktion – es ist ein Muster von Aktionen über die Zeit, geformt durch Kontext und Absicht.

David betonte, dass echtes Verhaltens-Tracking weitaus komplexer ist und einen ganzheitlichen Ansatz erfordert. Es geht darum, Handlungssequenzen zu analysieren und zu verstehen, was sie im größeren Zusammenhang bedeuten. Obwohl die KI-Branche Fortschritte macht, merkte er an, dass es noch viel zu tun gibt, um Verhaltens-Tracking weiterzuentwickeln und aussagekräftige und genaue Erkenntnisse zu liefern.

Link to this sectionIntelligentere Vision-KI-Modelle entwickeln, die Handlungen verstehen#

Anschließend nahm David das Publikum mit hinter die Kulissen, um zu zeigen, wie sein Team eine Computer-Vision-Lösung zur Überwachung der Kuhgesundheit mit Hilfe von YOLOv8 und seinen Pose-Estimation-Fähigkeiten aufbaute.

Sie begannen mit der Erstellung eines benutzerdefinierten Datensatzes für die Pose Estimation einer Kuh, wobei sie die Standardanzahl der Schlüsselpunkte von 17 auf 145 erhöhten, um das Modell bei der Bewegungsanalyse zu verbessern. Dann wurde das Modell mit einem riesigen Datensatz von über 2 Millionen Bildern und 110 Millionen Verhaltensbeispielen trainiert.

Unter Verwendung fortschrittlicher Hardware-Infrastruktur konnte Davids Team das Modell in nur zwei Tagen trainieren, anstatt der Wochen, die es auf herkömmlicher Hardware gedauert hätte. Das trainierte Modell wurde dann in einen benutzerdefinierten Verhaltenstracker integriert, der mehrere Videobilder gleichzeitig analysierte, um Muster in den Aktionen der Kühe zu erkennen.

Das Ergebnis war eine KI-gesteuerte Vision-Lösung, die acht verschiedene Kuhverhaltensweisen wie Fressen, Trinken und Liegen erkennen und verfolgen kann, um kleine Verhaltensänderungen zu entdecken, die auf gesundheitliche Probleme hinweisen könnten. Dies ermöglicht es Landwirten, schnell zu handeln, und verbessert das Herdenmanagement.

Link to this sectionDer Weg in die Zukunft für Verhaltens-KI#

David schloss seinen Vortrag mit einer wichtigen Lektion für das Publikum: „Wenn du der KI keinen Raum zum Scheitern gibst, bereitest du dich auf das Scheitern vor, denn am Ende des Tages ist sie statistisch.“ Er wies darauf hin, dass KI trotz ihrer Stärken nicht fehlerfrei ist. Es ist ein Werkzeug, das aus Mustern lernt, und es wird immer Zeiten geben, in denen sie die Dinge nicht richtig erfasst. Anstatt diese Fehler zu fürchten, ist der Schlüssel, Systeme zu bauen, die damit umgehen können und sich im Laufe der Zeit weiter verbessern.

Dies gilt auch für Computer-Vision-Modelle selbst. Zum Beispiel wurde Ultralytics YOLO11, die neueste Version der Ultralytics YOLO-Modelle, mit dem Ziel entwickelt, im Vergleich zu YOLOv8 den nächsten Schritt zu machen.

Abb. 5. Von YOLO11 unterstützte Computer-Vision-Aufgaben.

Insbesondere bietet YOLO11 eine bessere Leistung, vor allem bei Echtzeitanwendungen, bei denen Präzision entscheidend ist, wie in der Landwirtschaft und im Gesundheitswesen. Mit seinen fortschrittlichen Funktionen definiert YOLO11 neu, wie Branchen KI nutzen, indem es innovative Echtzeiterkenntnisse liefert und ihnen hilft, Herausforderungen effektiver zu meistern.

Link to this sectionWichtige Erkenntnisse#

Davids Keynote auf der YV24 war eine Erinnerung daran, dass KI mehr ist als nur eine coole Innovation – sie ist ein mächtiges Werkzeug zur Lösung echter Probleme und zur Verbesserung unseres Lebens und Arbeitens. Durch die Konzentration auf Verhalten hat KI bereits einen Einfluss in Bereichen wie der Überwachung der Tiergesundheit und dem Erkennen von bedeutungsvollen Mustern in alltäglichen Handlungen.

Das Potenzial für Verhaltens-KI ist aufregend, und wir stehen erst am Anfang. Durch die Umwandlung von Rohdaten in umsetzbare Erkenntnisse wechselt die Verhaltens-KI von der passiven Überwachung zur aktiven Problemlösung. Während sie sich weiterentwickelt, wird die Verhaltens-KI dazu beitragen, intelligentere Entscheidungen zu treffen, Prozesse zu rationalisieren und sinnvolle Verbesserungen in unser Leben zu bringen.

Bleib mit unserer Community in Verbindung, um mehr über KI und ihre realen Anwendungen zu erfahren. Besuche unser GitHub-Repository, um Innovationen in Bereichen wie KI in der Landwirtschaft und Computer Vision in der Fertigung zu entdecken.