Heute ein spannendes Experiment: Ich habe US- und EU-KI-Modelle darauf angesetzt, Mehlwürmer auf einem Bild zu zählen. Das Ergebnis? ✅ EU-KI: Steigt gleich am Anfang aus. ✅ US-KI: Sortiert das Bild um, zählt doppelt, erkennt falsch – und überspringt sogar einige Würmer.
💡 FRAGLICH: Eine Nachbar-KI vermutete sogar, es handele sich um eine Herdplatte. 😅
Was lernen wir daraus?
1️⃣ Datenqualität ist alles – Selbst einfache Objekte wie Mehlwürmer werden zur Herausforderung, wenn sie in Massen auftreten.
2️⃣ Agentische Workflows sind der Schlüssel: Ein linearer KI-Prozess reicht nicht. Wir brauchen Validierung, Clustering und Feedback-Schleifen.
3️⃣ Lokale Lösungen (z. B. YOLO auf Edge-Geräten) sind oft robuster als Cloud-APIs.
Mein nächster Schritt: Ich baue einen agentischen Ablauf mit Vorverarbeitung, mehrstufiger KI und Post-Processing – und verbessere die Trainingsdaten.
Wer hat Erfahrung mit Objekterkennung in dichten Umgebungen? Ich freue mich auf Austausch!
#KI #Bildverarbeitung #EdgeAI #Mehlwürmer #Innovation #DeepLearning #Schulprojekt
Keine Kommentare:
Kommentar veröffentlichen