Automatisierte Sichtprüfung: Anwendungsfälle, Beispiele und Tipps zur Umsetzung
11. April 2024
Wie die automatische Sichtprüfung funktioniert
Um die Stärken eines automatischen visuellen Inspektionssystems (AVI) zu verstehen, vergleichen wir es mit seinem Vorgänger, einem automatischen optischen Inspektionssystem (AOI). AOI-Systeme verwenden Bildverarbeitungstechnologie und hochauflösende optische Kameras, die visuelle Informationen erfassen. Diese Daten werden dann zur Anomalie-erkennung mit einer Vorlage (einem Bild eines bestimmten fehlerfreien Artikels in perfektem Zustand) verglichen. Allerdings kann schon eine geringfügige Veränderung der Farbe oder der Beleuchtung die in der AOI eingesetzten Technologien verwirren und zu falsch positiven Ergebnissen führen, was das Automatisierungspotenzial des gesamten Systems beeinträchtigt. Außerdem haben AOI-Systeme oft Schwierigkeiten, zwischen zulässigen kosmetischen und funktionalen Fehlern zu unterscheiden.
Hersteller können diese Einschränkungen überwinden, indem sie bestehende AOI-Systeme durch maschinelles Lernen ergänzen.
Durch den Einsatz von auf maschinellem Lernen basierenden Technologien in der AOI müssen Unternehmen das System nicht jedes Mal neu konfigurieren, wenn eine neue Variable hinzugefügt wird, sondern können stattdessen alle relevanten Informationen aus einem großen Datensatz historischer Inspektionsdaten beziehen und selbstständig Muster für die Fehlerklassifizierung erkennen.
Der wichtigste Unterschied zwischen AOI und AVI ist also die Toleranz gegenüber Abweichungen und Umgebungsanomalien. Mit Hilfe von maschinellem Lernen treffen automatisierte visuelle Inspektionssysteme Entscheidungen, indem sie das Bild nicht nur mit der Referenz vergleichen, sondern auch den Inhalt eines aufgenommenen Bildes verstehen. Dadurch wird das Spektrum der Fehler, die ein AVI-System prüfen kann, erheblich erweitert und die Genauigkeit und Zuverlässigkeit der Prüfergebnisse erhöht.
Möchten Sie eine automatisierte Lösung für die Sichtprüfung einführen?
AVI für die Fertigung in verschiedenen Branchen
Automatisierte visuelle Inspektionssysteme werden häufig zur Fehlererkennung in Branchen eingesetzt, in denen Anpassungsfähigkeit, Skalierbarkeit und Präzision von größter Bedeutung sind.
Luft- und Raumfahrt
Wenn es um Qualitätskontrolle geht, ist die Luft- und Raumfahrt eine der am stärksten regulierten Branchen der Welt, in der die Einhaltung von Vorschriften und Menschenleben auf dem Spiel stehen. Automatisierte visuelle Inspektionssysteme können die Qualitätskontrolle des Endprodukts durch die Erkennung von Mängeln während der Montage erheblich rationalisieren und so die Effizienz der Fertigungsprozesse in der Luft- und Raumfahrt steigern.
AutoInspect
AutoInspect ist ein von 3D.aero entwickeltes robotergestütztes optisches System, das ein KI-gestütztes Inspektionssystem und Industrierobotik für eine intelligente Fehlerklassifizierung nutzt. Neben der erhöhten Genauigkeit und Zuverlässigkeit berichtet 3D.aero, dass eine komplette Brennkammer eines Flugzeugtriebwerks in weniger als vier Stunden untersucht werden kann, was 80 % schneller ist als der manuelle Inspektionsprozess. Interessanterweise lässt 3D.aero seinen Algorithmus der künstlichen Intelligenz sich nicht automatisch verbessern, da die Sicherheit in einer Branche, in der so viel auf dem Spiel steht, an erster Stelle steht. Derzeit werden neue Trainingsdaten erst nach der Genehmigung durch einen menschlichen Experten hinzugefügt.
Automobilindustrie
In einer so großen Branche wie der Automobilindustrie können selbst geringe Verbesserungen der betrieblichen Effizienz einen erheblichen Wettbewerbsvorteil bringen. Durch die Umstellung von manueller auf automatische Sichtprüfung können Automobilhersteller ihre Produktionsprozesse rationalisieren und gleichzeitig die Einhaltung strenger Qualitäts- und Regulierungsstandards gewährleisten.
Zum Beispiel kann AVI die Schweißnahtinspektion auf Rahmenintegrität rationalisieren, die Gleichmäßigkeit von Reifenprofilen prüfen und die Integrität von Airbag-Installationen verifizieren, um die Einhaltung von Sicherheitsstandards mit Hilfe von Video-Objekt-Erkennung zu gewährleisten. Solche Lösungen nutzen fortschrittliche Bildgebungs- und ML-Algorithmen, um Fehler genau und zuverlässig zu erkennen.
Volvo & UVeye
Seit 2020 setzt Volvo Cars ein von UVeye entwickeltes, auf Computer Vision basierendes Atlas-Qualitätsprüfungssystem ein. Am Ende der Montagelinie wird jedes Fahrzeug von mehr als 20 Computer-Vision-gesteuerten Kameras geprüft, die in einem Aluminiumtunnel installiert sind. Jede Kamera nimmt Hunderte von Bildern pro Sekunde auf, so dass der KI-Algorithmus die Oberflächenqualität im Detail beurteilen kann. Das System ist effizienter und genauer als herkömmliche manuelle Inspektionsmethoden und erkennt 10 bis 40 % mehr Defekte, darunter Kratzer, Dellen und Anomalien in der Ausrichtung der Komponenten. Das System kann selbst kleinste Fehler mit einer Größe von 0,2 Millimetern erkennen.
Medizinische Geräte
Die Herstellung von Medizinprodukten ist eng mit strengen Vorschriften verbunden. In den USA und in Europa beispielsweise verlangen die jeweiligen Aufsichtsbehörden eine eindeutige Gerätekennung (Unique Device Identifier, UDI), um medizinische Geräte durch die Lieferkette zu verfolgen. Medizinische Geräte sind häufig mit chemisch verarbeiteten DPM-Texten gekennzeichnet, die nur von Deep-Learning-fähigen automatisierten visuellen Inspektionssystemen entziffert werden können.
Durch den Einsatz hochentwickelter Deep-Learning-Modelle zeichnet sich die AVI-Technologie bei der Prüfung lebensrettender Geräte wie Insulin-Pens, Spritzen und anderer Instrumente aus. Die Technologie untersucht jedes Bauteil akribisch auf Fehler, von der Präzision der Nadelspitzen bis zum sicheren Sitz der Injektionskolben, und stellt sicher, dass jedes Produkt den FDA- und anderen Normen entspricht. Aufgrund der großen Varianz der komplexen Bauteile medizinischer Geräte sind automatisierte visuelle Inspektionslösungen mit Deep-Learning-Modellen als Kernstück perfekt geeignet, um die sichere Anwendung des Produkts zu gewährleisten.
Dovideq Medizinische Systeme
Dovideq Medical Systems, ein niederländisches Unternehmen, das Messinstrumente für die minimalinvasive Chirurgie herstellt, hat ein automatisiertes LightControl-System zur Inspektion starrer Endoskope entwickelt. Die Hersteller von Endoskopen dulden keine Qualitätskompromisse, da schlecht gefertigte Geräte zu schweren Verletzungen und Fehldiagnosen führen können. LightControl verwendet IDS-Kameras zur Messung von sechs Parametern und ein neuronales Netz, um zu überprüfen, ob der Zustand des Endoskops während der Produktion und Wartung einwandfrei ist.
Pharmazeutika
Pharmazeutische Hersteller können AVI-Systeme für die Pillenprüfung einsetzen. Vor dem Verpacken prüfen menschliche Experten die Pillen manuell, um sicherzustellen, dass das Produkt frei von Oberflächenfehlern ist und die richtige Beschriftung, Farbe und Form aufweist. Ein maschinelles Bildverarbeitungssystem kann leicht durch die reflektierenden Oberflächen der Pillen getäuscht werden, die sie oft beschädigt aussehen lassen. Aus diesem Grund wendet sich die Industrie komplexen AVI-Systemen zu, die Fehler, die in den ursprünglichen Trainingssätzen nicht vorhanden sind, genau erkennen und klassifizieren können.
Stevanato-Gruppe
Die Stevanato Group stellt Inspektionslösungen für verschiedene pharmazeutische Produkte her, darunter Ampullen, Fläschchen, Spritzen und Flaschen. Das Unternehmen verwendet leistungsstarke CMOS-Kameras, fortschrittliche Beleuchtungen und andere fortschrittliche Techniken, um die Inspektion verschiedener Behälter zu verbessern.
Die Stevanato Group stützt sich dabei auf einen Deep-Learning-Algorithmus, der eine minimale Falschrückweisungsrate gewährleistet. So hat die Stevanato Group vor kurzem eine AVI-Maschine zur Inspektion von Ampullen mit Natriumchlorid und Fläschchen mit gefriergetrocknetem Tollwutimpfstoff entwickelt. Für ihren mittelamerikanischen Kunden installierte sie ein System zur Inspektion trüber Suspensionen in Fläschchen mit Impfstoffen für Kinder, das fortschrittliche Trajektorienalgorithmen und Zeilenkameras verwendet.
AVI-Systemkomponenten und Tipps zu ihrer Implementierung
Ein AVI-System besteht aus Erfassungsgeräten und Verarbeitungssoftware, so dass die Unternehmen die für die Aufgabe geeigneten Hardware- und Softwaretechnologien auswählen müssen. Um ein optimales visuelles Inspektionssystem zu entwickeln, sollten Hersteller die Beleuchtungsbedingungen, die Komplexität der Fehlerklassifizierung, die Objektgröße und andere Faktoren berücksichtigen.
Software
Algorithmen des maschinellen Lernens
Algorithmen des maschinellen Lernens eignen sich am besten für Fälle, in denen die Fehlerarten gut definiert sind und die Fehlervarianz vergleichsweise hoch ist.
Regelbasierte visuelle Vergleichssoftware
Regelbasierte visuelle Vergleichssoftware ist für Anwendungsfälle mit stabilen und vorhersehbaren Bedingungen und gleichbleibenden Artikelfehlern geeignet. Bei der Überprüfung der Gleichmäßigkeit von Reifenprofilen in der Automobilfertigung beispielsweise hat das System die Wahl zwischen zwei Optionen: Entweder stimmt das Profil perfekt mit dem Bauplan überein oder nicht.
Software für die statistische Analyse
Statistische Analysesoftware wird häufig eingesetzt, um komplexe Qualitätstrends im Laufe der Zeit zu verfolgen. So kann das System beispielsweise Bilder im Zeitverlauf analysieren, um Schwankungen in der Farbdicke oder -struktur zu erkennen. Wenn die Software einen Trend zu einer zunehmenden Abweichung in der Lackdicke feststellt, könnte dies auf ein Problem im Lackierprozess hinweisen, z. B. auf den Verschleiß der Geräte oder eine falsche Mischung der Lackrezeptur.
Hardware
Kameras
Hochauflösende Kameras sind entscheidend, um möglichst viele Details auf den Bildern zu erfassen. Die Wahl der Kamera hängt hauptsächlich von der Größe der Objekte und der Geschwindigkeit der Produktionslinie ab.
Sensoren
Sensoren werden eingesetzt, um Informationen und Parameter zu erfassen, die nicht visuell erkennbar sind. Dazu gehören 3D-Sensoren zur Messung der Objekttiefe, LIDAR zur präzisen Entfernungsmessung oder Infrarotsensoren zur Erfassung von Wärmemengen.
Blitzschlag
Damit die Kameras klare und hochwertige Bilder aufnehmen können, ist eine angemessene Beleuchtung unerlässlich. Die Art der zu installierenden Beleuchtung hängt von der Prüfumgebung und den Objektmerkmalen ab. Glänzende Metallteile erfordern beispielsweise oft eine diffuse Beleuchtung, um Reflexionen zu minimieren, die kosmetische Defekte verdecken könnten, während ein Textilmuster helles Licht benötigt, um seine Textur hervorzuheben.
Hardware für die Bildverarbeitung
Deep Learning erfordert eine überdurchschnittliche Verarbeitungsleistung, um große Mengen von Daten zu verarbeiten, die von Kameras und Sensoren erfasst werden. Daher sind leistungsstarke Grafikprozessoren (GPUs) und spezielle digitale Signalprozessoren (DSPs) für die Echtzeitanalyse visueller Daten unerlässlich.
Unsere Dienstleistungen und Lösungen im Bereich Computer Vision
Die Experten von Itransition können verschiedene KI-gesteuerte Systeme entwickeln, die visuelle Daten verarbeiten und Unternehmen bei der Automatisierung und Verbesserung der Qualitätskontrolle im Gesundheitswesen, in der Logistik, in der Fertigung, im Einzelhandel und in anderen Branchen unterstützen.
Beratung im Bereich Computer-Vision
Itransition bietet umfassende Beratungs- und Implementierungsdienstleistungen im Bereich Computer Vision, um Unternehmen bei der Integration von automatisierter Sichtprüfung und anderen CV-gestützten Lösungen in ihre Prozesse zu unterstützen. Von der Ideenfindung bis hin zu Wartung und Support begleitet unser erfahrenes Team Sie durch den gesamten Projektlebenszyklus.
Defekterkennung und Oberflächeninspektion
Wir entwickeln spezialisierte Lösungen zur Erkennung von Defekten und Anomalien auf Produktoberflächen, um die Qualitätskontrolle in Branchen wie der Automobil-, Elektronik- und Konsumgüterindustrie zu optimieren. Unsere Systeme analysieren Bilder mithilfe von maßgeschneiderten Deep-Learning-Modellen, um Kratzer, Dellen, Verfärbungen und andere Unvollkommenheiten zu erkennen.
Bild- und Videoanalyse
Wir entwickeln fortschrittliche Bild- und Videoanalysesoftware, die Unternehmen hilft, visuelle Inhalte schneller zu analysieren und tiefere Einblicke zu gewinnen. Dies ist besonders nützlich für die Bewertung der Verbraucherstimmung in Echtzeit, die Analyse von Produktfehlern und die Automatisierung visueller Prüfungen.
Bildsegmentierung
Wir entwickeln Bildverarbeitungs- und Segmentierungslösungen, die visuelle Inhalte in spezifische Objekte zerlegen, was für das Zählen von Fahrzeugen und Personen in Menschenmengen und das Segmentieren von CT-Scans nützlich ist.
Benötigen Sie einen zuverlässigen AVI-Implementierungspartner?
Qualitätskontrolle mit AVI neu gestalten
Menschen werden von Natur aus immer schlechter in der Lage sein, routinemäßige, entmutigende und uninteressante Inspektionsaufgaben zu erledigen als Maschinen. Gleichzeitig sind Maschinen mehr als fähig, rund um die Uhr zu prüfen und dabei eine Geschwindigkeit und Genauigkeit zu erreichen, die für Menschen unmöglich ist. In vielerlei Hinsicht erleichtert die KI-gestützte Qualitätskontrolle den gesunden Wettbewerb zwischen den Fertigungsunternehmen und ermöglicht es ihnen, mehr Produkte herzustellen, ohne dabei Kompromisse bei der Qualität einzugehen.
Die Einführung von automatisierten Sichtprüfungssystemen und computer-vision in Fertigungsprozessen ist in den meisten Fällen eine Selbstverständlichkeit. Die Entscheidungsfindung hängt zumeist von der Auswahl der Technologie und der Wahl der Produktionslinie ab. Wenn Sie die Produktionseffizienz erhöhen, die Betriebskosten senken und die Produktqualität in Ihrem Fertigungsbetrieb verbessern wollen, kann Itransition Ihnen helfen, ein maßgeschneidertes AVI-System für Ihre spezielle Nische und Ihren Anwendungsfall zu entwickeln.
Einblicke
Maschinelles Lernen im Einzelhandel: 10 Möglichkeiten, Ihr Geschäft zu verbessern
Fallstudie
Eine einkaufbare Videoplattform für AiBUY
Einblicke
Computer-Vision in der Fertigung: 9 Anwendungsfälle, Beispiele und bewährte Verfahren
Einblicke
Maschinelles Lernen für Anomalie-Erkennung: ein technischer Überblick
Einblicke
Maschinelles Lernen in der Logistik: Technologieaufschlüsselung & 10 Anwendungsfälle
Einblicke