Bildverarbeitung aus der Cloud als Software-as-a-Service

Kognitive Qualitätskontrolle

Die Möglichkeiten künstliche Intelligenz zur Prozessoptimierung einzusetzen, sind mittlerweile auch in der Qualitätskontrolle angekommen. Mit der IBM Cognitive-Visual-Inspection-Lösung (CVI) können automatisiert selbst kleinste Kratzer und nadelstichgroße Beschädigungen an Werkstücken gefunden und bis zu 80 Prozent Zeit bei Qualitätsprüfungen eingespart werden.

IBM bietet die auf der k?nstlichen Intelligenz Watson basierende CVI-L?sung als SaaS-L?sung (Software-as-a-Service) an. (Bild: IBM Deutschland GmbH)

IBM bietet die auf der künstlichen Intelligenz Watson basierende CVI-Lösung als SaaS-Lösung (Software-as-a-Service) an. (Bild: IBM Deutschland GmbH)

Anzeige

Manuelle Inspektionen in der Produktion sind eine mühselige und oft ermüdende Arbeit, die überwiegend von der Erfahrung und der Konzentration der Mitarbeiter abhängt. Abhilfe können hier Ultra-HD-Kameras schaffen, die Bilder des Produkts erstellen und in einem Datenpool als unstrukturierte Daten sammeln. Allerdings kann nur in Kombination mit einem kognitiven System ein echter Mehrwert aus diesen Daten generiert werden: Klassische Systeme können mit solchen Daten wenig anfangen, da sie ausschließlich strukturierte Daten lesen. Kognitive Systeme hingegen können unstrukturierte Daten wie handgeschriebene Zettel, Geräusche oder auch Bilder auswerten. Knapp 80 Prozent aller weltweiten Daten fallen in diese Kategorie. Bisher wurde die Automatisierung von Inspektionen durch die hohe Anzahl und Diversität der Produkte erschwert. Auch die Tatsache, dass Defekte unterschiedliche Größen haben, ist eine Herausforderung für den Automatisierungsprozess. Die CVI-Lösung bietet hier neue Möglichkeiten. Allerdings muss die kognitive Intelligenz Watson, die in CVI steckt, im Vorfeld trainiert werden. Zunächst werden eine Vielzahl an Produktbildern gesammelt, die dann von einem menschlichen Mitarbeiter als IO /NIO klassifiziert werden und an das System weitergegeben werden. Ein Data Scientist erstellt daraus ein Modell. Darauf aufbauend lernt Watson im weiteren Verlauf autonom dazu. Dafür nutzt das System eine Kombination aus Machine Learning und Deep Learning. Beim Machine Learning werden die Algorithmen mit einer großen Menge an Daten versorgt und lernen im Training, wie sie diese Daten zu interpretieren haben, um eine bestimmte Aufgabe zu lösen oder Antworten zu finden. Doch erst durch Deep Learning wird es dank der Nutzung neuronaler Netzwerke möglich, die bereits erwähnten unstrukturierten Daten auszuwerten. Damit diese ihren Weg in das System finden und ausgewertet werden können, sind allerdings entsprechende Schnittstellen-Technologien (APIs) notwendig. Watson verfügt derzeit bereits über 50 solcher APIs, u.a. zur Sprach-, Text- und Bilderkennung. Umfangreiche Tests ergaben, dass bei einem acht Tage dauernden Produktionszyklus bis zu 80 Prozent der ursprünglich für die Prüfung veranschlagten Zeit eingespart werden konnte.

Software-as-a-Service

„Mit der Watson-Lösung Cognitive Visual Inspection werden Effizienz, Flexibilität und Qualität in der Produktion zum Kinderspiel“, so Harriet Green, General Managerin, IBM Watson IoT, Cognitive Engagement and Education. Das Erarbeiten des Modells ist allerdings recht rechenintensiv, weshalb der Vorgang in die Cloud verlagert wird. Hier stellt IBM genügend Rechenleistung zu Verfügung. Wenn ausreichend Lerndaten vorhanden sind, wird das erarbeitete Modell an einen Client-Rechner übertragen, der an der Maschine angebracht ist, um die Kamerabilder direkt vor Ort auszuwerten (Edge-Computing). Im laufenden Betrieb entscheidet das Modell selbstständig, ob ein Produkt als gut oder schlecht bewertet wird. Werkstücke, die das System mit einer hohen Wahrscheinlichkeit als NIO klassifiziert, werden nochmals von einem Menschen geprüft. Dieser kann dann eine Rückmeldung an das System geben. Wenn sich die Lösung nicht sicher ist, prüft ein Qualitätsmanager, ob ein Fehler vorhanden ist. So kommen ständig neue Fehlerbilder hinzu, das System wird also laufend erweitert. IBM bietet CVI als SaaS-Lösung (Software-as-a-Service) an. Der Anwender muss sich weder um die Installation noch um die Wartung kümmern, muss allerdings neben einem Qualitätsexperten auch einen Data Scientist bereitstellen. Dieser muss wissen, wie man Daten aufbereitet, Grund-Know-how über Bildverarbeitung haben und in der Lage sein, mit Computermodellen umzugehen.

Kognitive Qualitätskontrolle
Bild: IBM Deutschland GmbH


Das könnte Sie auch interessieren

Wie können komplette 3D-Daten erfasst, interne Defekte in Gussteilen erkannt und sogar deren 3D-Koordinaten bestimmt werden? Das Unternehmen Carl Zeiss Industrielle Messtechnik GmbH hat ein informatives Video veröffentlicht, in dem die Inline-Prozessinspektion mit dem Zeiss VoluMax in der Leichtmetallgießerei am BMW-Produktionsstandort Landshut veranschaulicht wird.

Anzeige

Klassische Wärmebildkameras benötigen einen mechanischen Shutter, mithilfe dessen ca. alle 2 bis 3 Minuten Referenzdaten zur Kalibrierung der Wärmebilddarstellung und der Temperaturmessung aufgenommen werden. Jedoch erzeugt das Schließen des Shutters ein Geräusch und die Videoaufzeichnung ist während dieser Zeit unterbrochen. Daher hat Tamron nun ein Shutter-loses Wärmebildkameramodul auf Basis eines amorphen Silikonwärmebildsensors entwickelt. Dieser Sensor verfügt über eine exzellente Temperaturwiedergabe selbst wenn sich seine eigene Temperatur verändert.

www.tamron.eu

Der Industriescanner VTCIS ist in der Lage, im Druckbild fehlende Nozzles bei einer Auflösung von 1.200dpi automatisch zu detektieren. Da der CIS (Compact Image Sensor) nicht das komplette Bild einzieht, sondern nur bestimmte Bereiche scannt, wird die Datenverarbeitung vereinfacht und die Datenmenge deutlich reduziert. Außerdem garantiert die integrierte Flüssigkeitskühlung Farbstabilität über den gesamten Druckprozess hinweg und schließt Farbabweichungen aus. Dank einer Zeilenrate von bis zu 250kHz und einer Abtastgeschwindigkeit von bis zu 20m/s ist der Scanner für sehr schnell laufende Druckprozesse bestens geeignet.

www.tichawa.de

Die neuesten Versionen der 3D-Kameras für Lasertriangulation erreicht Triangulationsraten von bis zu 68kHz. Die Kamera basiert dabei auf einem 2/3″ Hochgeschwindigkeitssensor von Cmosis, der auch bei schwachen Lichtverhältnissen eine hervorragende Leistung erbringt. Als Schnittstelle verwendet die 3D05 das standardisierte GigEVision-Interface. Für eine einfache Integration und Synchronisierung besitzt die Kamera eine komplette, in die Kamera integrierte Drehgeberschnittstelle (RS422 und HTL). Das HTL-Interface ermöglicht dabei auch einen stabilen und effizienten Einsatz in der Schwerindustrie oder Bereichen mit starken elektrischen Störquellen.

www.photonfocus.com

Sensoren bis zu 1/1.2 und 1″ wurde die HF-XA-5M Objektivserie von Fujinon entwickelt. Die Objektive erreichen eine konstant hohe Auflösung von 5MP über das gesamte Bildfeld – bei einem Pixelabstand von 3,45µm. Dies gilt bei offener Blende ebenso wie bei verschiedenen Arbeitsabständen. Mit 29,5mm Außendurchmesser eignen sich die Objektive für platzkritische Anwendungen.

www.polytec.de

Die Messsoftware Wave ist für den hochpräzisen Wegmesssensor IDS3010. Damit können Messdaten in Echtzeit analysiert, verarbeitet und ausgewertet werden. Die Software verfügt über verschiedene Funktionen zur Visualisierung und Analyse von Daten, beispielsweise können die angezeigten Messdaten vergrößert/verkleinert werden oder die Datenvisualisierung kann gestoppt werden, um bestimmte Zeitbereiche zu analysieren. Außerdem ist eine Live Fast-Fourier-Transformation von Messwerten implementiert.

www.attocube.com

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige