Computer Vision (CV, maschinelles Sehen) ist ein Teilgebiet der künstlichen Intelligenz und Informatik, das digitale Bilder, Videoströme und 3D-Sensordaten automatisiert auswertet und daraus strukturierte Informationen gewinnt.
Erklärung
Technisch basieren moderne Computer-Vision-Systeme auf Convolutional Neural Networks (CNNs), Vision Transformers (ViTs) oder multimodalen Vision-Language-Modellen. Je nach Anwendungsfall lösen sie vier Kernaufgaben: die Bildklassifikation (Einordnung eines gesamten Bildes), die Objekterkennung (Lokalisierung einzelner Objekte per Bounding Box), die Segmentierung (pixelgenaue Abgrenzung von Flächen und Bauteilen) sowie die optische Zeichenerkennung (OCR) zum Auslesen gedruckter oder handschriftlicher Texte. Im B2B- und Industrieumfeld wird Computer Vision unter anderem in der optischen Oberflächen- und Qualitätsprüfung an Fertigungsstraßen, bei der automatisierten Beleg- und Rechnungserfassung in Buchhaltungssoftware, beim Scannen von Paletten und Barcodes in der Logistik sowie in der medizinischen Bilddiagnostik eingesetzt.