Erste Tests zum KI-Tracking

Damit das System zu jeder Zeit genau weiß, wo die einzelnen Spieler sich befinden und wie der Ball rollt, befindet sich über dem Tischkicker eine Kamera, die mit einer hohen Bildwiederholrate auch schnelle Bälle erkennen kann. Um das System möglichst zuverlässig zu gestalten, sodass es bei verschiedenen Spiel- und Lichtbedingungen zuverlässig funktioniert, soll ein yolov8 Netzwerk eingesetzt werden.

Mithilfe von über 3000 manuell markierten Bildern aus der Vogelperspektive konnten die KI lernen den Ball und die Männchen zuverlässig zu erkennen.

Vollständig markiertes Bild mit roten und schwarzen Spieler und dem Ball

Nach einiger Trainingszeit konnte das neuronale Netzwerk eine Genauigkeit von 98% erreichen. Beeindruckend ist, dass die künstliche Intelligenz sogar in der Lage ist durch Stangen verdeckte Bälle, als auch durch Bewegungsunschärfe verzogene Bälle zu detektieren. Das ist insbesondere dann wichtig, wenn schnelle Bälle von der einen Seite auf die andere geschossen werden und das System entsprechen reagieren muss. Im folgenden Bild lässt sich gut erkennen, welche verdeckten Bälle das System noch erkennen kann.

Vollständig richtig markiertes Bild mit verdecktem Ball

Wenn man davon ausgeht, dass ein Ball mit voller Geschwindigkeit circa 100 ms von der einen Seite zur anderen benötigt, ist es wichtig, dass das neuronale Netz mit entsprechend geringer Latenz daher kommt. Ich hatte das Ganze auf einem Computer mit einer geringer Anzahl an FLOPs getestet und konnte trotzdem mit nur 16 ms ein Bild berechnen. Das sind ungefähr 60 Bilder pro Sekunde. Auf dem finalen Computersystem dürfte das nochmal deutlich schneller möglich sein.

Tim Arnold