Anzeige

Deep Learning zur Oberflächenprüfung von Metall und Kunststoff

Die KI-Software AI.See von Elunic wird häufig zur Prüfung von Oberflächen aus Metall und Kunststoff eingesetzt. Mit einem Starterkit und einem Smartphone können Anwender selbst einen ersten Eindruck einer KI-basierten Qualitätsprüfung gewinnen.

Für die Installation der KI-Software AI.See stehen Anwender-spezifische Komplettpakete mit Kamera, Beleuchtung und IPC zur Verfügung. Die Lernphase des KI-Systems erfolgt im laufenden Betrieb. (Bild: Elunic AG)

Für die Installation der KI-Software AI.See stehen Anwender-spezifische Komplettpakete mit Kamera, Beleuchtung und IPC zur Verfügung. Die Lernphase des KI-Systems erfolgt im laufenden Betrieb. (Bild: Elunic AG)

Ein Beispiel für den Einsatz von Deep Learning ist die Erkennung von Lunkern in Guss-, Spritzguss- oder Betonteilen. Diese kleinen, durch Schwindung bedingten Vertiefungen können in Größe, Form und Lage völlig unterschiedlich aussehen. Regelbasierte Systeme lassen sich deswegen nur schwer einsetzen. AI.See dagegen erfasst durch einen Lernvorgang das generelle Prinzip des Lunkers. Einmal trainiert, erkennt es die Fehler in Echtzeit. Das gleiche Prinzip gilt auch für Kratzer, Risse und Unebenheiten auf Metall- und Kunststoffteilen oder defekte Leiterbahnen auf Platinen.

Lernphase im laufenden Betrieb

Zur Installation stehen anwenderspezifische Komplettpakete zur Verfügung. Die Montage der Kamera erfolgt an einem flexiblen Arm, wobei die Kameraauflösung entsprechend der Prüfobjekte gewählt ist. Neben der Beleuchtung gehört auch eine Edge Computing Recheneinheit zum System. Die Datenmengen zur Weiterentwicklung der KI-basierten Erkennung befinden sich in der Cloud. Die Lernphase des KI-Systems erfolgt im laufenden Betrieb. Der Einstieg beginnt anhand von als fehlerhaft/fehlerfrei eingestuften Bildern. 1.000 Bilder sind ein guter Anfang. Abhängig von der Problemstellung ist aber auch mit 100 Bildern der Start der Qualitätsprüfung möglich. Die Software benötigt in der Anfangsphase Unterstützung durch einen Bediener, der Grenzfälle entsprechend zuordnet, wobei der Unterstützungsbedarf stetig geringer wird. Nach etwa zwei Monaten funktioniert die Fehlererkennung in der Regel sehr gut. Der Mitarbeiter muss nur noch vereinzelt eingreifen. Je mehr Fehlerbilder (>1.000) zu Projektbeginn vorliegen, desto kürzer ist die Lernphase. Schon bald muss der Mitarbeiter nur Fälle prüfen, bei dem die Software nicht eindeutig erkennt, ob ein Fehler vorliegt. Die Person markiert dann ggf. einen Fehler und erzeugt damit ein weiteres Trainingsbild. Auf diese Weise lernt die Software kontinuierlich weiter und wird immer besser. Durch Transfer Learning lässt sich die Trainingszeit der Software zudem weiter verkürzen. Hierbei werden ähnliche, anonymisierte Produktdaten anderer Anwendungen zur Erkennung von Fehlern genutzt. Schließlich sehen Kratzer, Verschmutzungen und Lunker oft ähnlich aus. Eine Besonderheit der Software liegt in der zeitlich unbefristeten Korrektur. Die Lernphase gilt nie als abgeschlossen. Stattdessen prüft der Mitarbeiter weiterhin Grenzfälle, die AI.See nicht selbst einordnen kann.

Anzeige

Empfehlungen der Redaktion

Das könnte Sie auch interessieren

The DVL-5000 laser profiler of inivation features ultra-high-speed (5kHz at full resolution), low-latency laser profiling at full resolution and high precision for rapid response to dynamic environments. ‣ weiterlesen

inivation.com

Anzeige

Emergent Vision presents the first camera series based on 50GigE and 100GigE interfaces. ‣ weiterlesen

www.emergentvisiontec.com

Anzeige

Der KPI-Assistant von Bitmotec ermöglicht es, Prozessdaten aus unterschiedlichsten Quellen für individuelle Prozessanalysen zu verarbeiten. Zusätzlich kann er z.B. mit einer integrierter KI-Vision Anwendung und Farbkamera als mobile Inspektionslösung genutzt werden.‣ weiterlesen

www.bitmotec.com

Anzeige

AOI-Systeme müssen immer feinere Strukturen auflösen. Der folgende Beitrag zeigt am Beispiel der Elektronikfertigung, welche Eigenschaften die Optik erfüllen muss, um aus modernen Industriekameras mit hochauflösenden Sensoren das Beste herauszuholen.‣ weiterlesen

www.qioptiq.com

Die Firma Vision Ventures ist spezialisiert auf Merger & Acquisition von Vision Tech Firmen. inVISION sprach mit Firmeninhaberin Gabriele Jansen inwieweit die Covid 19 Krise die Branche, aber auch ihre Arbeit verändert hat.‣ weiterlesen

www.vision-ventures.eu

Anlässlich des 30-jährigen Jubiläums von ATD Electronique und der Umbenennung der Firma in Macnica ATD Europe hat inVISION ein Interview mit Firmengründer Antoine Hide über die Vergangenheit und Zukunft seiner Firma und von Distributoren geführt.‣ weiterlesen

www.atdelectronique.de

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige