Anzeige
Anzeige

Zwei Prüfer, drei Meinungen

Schweißnahtanalyse von Röntgenbildern mittels Deep Learning

Mithilfe von KI und Deep Learning entwickelt die Firma Sentin einen digitalen Prüfassistenten zur Bewertung von Röntgenbildern mit Aufnahmen von Schweißnähten, der eine objektive Bewertung der Daten ermöglicht.

Bild 1 | Bei der Schweißnahtanalyse nehmen Prüfer Röntgenbilder auf und werten diese vor einem Lichtkasten aus. Mittels eines digitalen Prüfassistenten soll die Fehlererkennung bei bildbasierten Prüfungen nun mit Deep Learning automatisiert werden. (Bild: Sentin GmbH)

Bild 1 | Bei der Schweißnahtanalyse nehmen Prüfer Röntgenbilder auf und werten diese vor einem Lichtkasten aus. Mittels eines digitalen Prüfassistenten soll die Fehlererkennung bei bildbasierten Prüfungen nun mit Deep Learning automatisiert werden. (Bild: Sentin GmbH)

Bei der zerstörungsfreien Werkstoffprüfung (ZfP) mit Röntgenstrahlen kann ein Blick ins Innere von Bauteilen geworfen werden, sodass kritische Stellen frühzeitig erkannt und repariert werden können. Ein besonderer Anwendungsfall für diese Methode ist die Prüfung von Schweißnähten bei Rohren. Dortige Risse sind in Anlagen oder Pipelines besonders kritisch für den Betrieb. Um dabei die Sicherheit zu gewährleisten, werden diese vor der Inbetriebnahme und auch danach in regelmäßigen Abständen geprüft. Speziell ausgebildete Prüfer nehmen dazu Röntgenbilder auf und werten diese aus. Bei einem Pipelineprojekt entstehen so viele Tausend Bilder, die häufig – wie bei einem Arzt -vor einen Lichtkasten gehalten, bewertet und in einen Prüfbericht aufgenommen werden. Dieser Bewertungsprozess von sogenannten Ungänzen ist eine hochkomplexe Aufgabe, dessen Qualität von der Erfahrung des Prüfers abhängt. Bei kritischen Fällen ist eine eindeutige Bewertung auch nicht immer möglich. Eine gern zitierte Aussage der Branche ist daher: Zwei Prüfer. Drei Meinungen. Bei einer Anlage können so pro Woche 2.500 Bilder entstehen und jedes wird bis zu 7 Minuten ausgewertet. Ein Prüfer kann sich am Stück ca.30min Bilder ansehen, bis er kurz pausieren muss. Eine weitere häufig bemühte Aussage ist allerdings auch: Nach 15min sieht man Dinge, die gar nicht da sind.

Digitaler Prüfassistent mit KI

Die Sentin GmbH hat es sich zur Aufgabe gemacht, die Fehlererkennung bei visuellen und bildbasierten Prüfungen mit Deep Learning zu automatisieren. Sie entwickelt einen digitalen Prüfassistenten in Zusammenarbeit mit Applus+ RTD, einem weltweit führenden Dienstleistungsunternehmen der ZfP im Energiesektor, und Visus Industry IT, Anbieter einer industriellen Bildmanagementsoftware (JiveX). Der größte Vorteil dieses Systems ist eine objektive Meinung und mehr Zeit für kritische Fälle. Die zunehmend digitaler werdende Prüfung soll dabei durch die automatische Erkennung von Ungänzen beschleunigt werden. Allerdings stößt die regelbasierte Bilderverarbeitung aufgrund der komplexen Fehlerbilder der Schweißnähte schnell an ihre Grenzen. Das Team von Sentin verwendet daher Deep Learning, um die Bilder zu analysieren. Ein Problem bei der Bewertung sind die verschiedene Helligkeitsstufen, die sich über die manuelle Bildaufnahme ergeben, sowie die Größe von Fehlstellen. Bei manchen Kontrastverhältnissen fällt es Prüfern teilweise schwer, einen kleinen Punkt oder Fleck richtig zu deuten bzw. die richtigen Bildverhältnisse herzustellen, um eine Bewertung vornehmen zu können. Studien zur Bewertung von Röntgenbildern aus dem Medizinbereich haben aber bereits gezeigt, dass Deep-Learning-Methoden schneller und über 20% genauer Bilder bewerten als menschliche Experten.

Empfehlungen der Redaktion

Das könnte Sie auch interessieren

Die 3D-Kamera Tofguard ermöglicht es, Time-of-Flight (ToF) mit Safety-Zulassung für die sicheren Raumüberwachung im Industrieumfeld zu nutzen. Spotguard, das Produkt aus Hard- und Software, erkennt in Echtzeit Objekte, die in Gefährdungs- bzw. Bewegungsräume eindringen. Wie das möglich ist, verrät Franz Duregger, Director Sales & Marketing bei Tofmotion.‣ weiterlesen

www.tofmotion.com

Anzeige

Sensoren und Bildverarbeitung sind wichtige Größen, um Industrie 4.0 umfassend umsetzen zu können. Aber was müssen beide heute leisten, damit sie den Ansprüchen der Anwender gerecht werden? Um dies herauszufinden sprach inVISION mit Dr. Oliver Vietze, CEO und Chairman der Baumer Group.‣ weiterlesen

www.baumer.com

Anzeige

Eine 360°-Vollinspektion von Rundprodukten ermöglicht AllRounDia DV (DualVision). Das kompakte Zwei-in-Eins-System vermisst und inspiziert Schläuche, Rohre und Kabel.‣ weiterlesen

www.pixargus.de

Anzeige

Mit der Umschreibung Smart Measure wird eine Sensorik beschrieben, die durch miniaturisierte Kameratechnik entsteht und zu einer aktiven Qualitätssicherung genutzt werden kann.‣ weiterlesen

www.ese-robotics.de

Anzeige

Mit einem Laserscanner lassen sich jetzt Freiformflächen und Geometrien bereits in der Aufspannung der Maschine berührungslos kontrollieren. Optimiertes Best-Fit oder Reverse Engineering sind somit bei kürzesten Messzeiten möglich.‣ weiterlesen

www.hexagonmetrology.de

Anzeige

OPC UA ist ein offener lizenzfreier Standard, mit einem herstellerunabhängigen Kommunikationsprotokoll für die Vernetzung von Geräten und Anlagen bei Beteiligung von Visionsystemen. OPC UA for Machine Vision berücksichtigt als semantische Anpassung des Standards die Spezifika der Bildverarbeitung.‣ weiterlesen

www.evotron-gmbh.de

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige