Auf Basis von Mikroskopaufnahmen und den dazugehörigen Informationen haben wir binnen kürzester Zeit zwei konvolutionäre neuronale Netze entwickelt, die arbeitsteilig vorgehen: Netz 1 erkennt, ob das Produkt die Qualitätskriterien erfüllt und Netz 2 ermittelt den Produkttyp.
Die Entwicklung der Netze erfolgte mit Tensorflow und Keras. Unsere Arbeit umfasste nicht nur das Trainieren der Netze, sondern auch eine intensive Analyse und Aufarbeitung der vorliegenden Datensätze. Dabei mussten sowohl Architektur, als auch Hyperparameter der Modelle auf die Eigenschaften der Daten angepasst werden. Eine besondere Herausforderung waren der enorme Detailgrad und die hohe Auflösung der Aufnahmen, da mit diesen Faktoren der Eingabeverktor des Netzes wächst und damit auch die benötigte Rechenleistung.
Die finalen, von UXMA entwickelten Deep Learning Netze bestehen aus mehreren hintereinander geschichteten Convolutional Layern und Dense Layern. Beim Hyperparameter-Tuning spielten vor allem die richtige Einstellung der Größe von Kernel und Stride eine Rolle. Das Overfitting konnten wir erfolgreich mittels Weight Normalization und Dropout Layer reduzieren.
