Entwicklung optischer Qualitätsprüfung mit KI beschleunigen

Wochen statt Monate

Einer der großen Kostenfaktoren in der Automatisierung optischer Qualitätssicherung ist die Entwicklungszeit. Diese verursacht hohe Entwicklungskosten und erhöht damit das Projektrisiko. Mit Deep Learning lässt sich dieser Prozess beschleunigen.

In der Praxis kann oft schon nach einer Woche das Einlernen der Software im Prozess beginnen. Das Einlernen in der Anlage wird nicht in Etappen durchgeführt, wie oft bei anderen Deep-Learning-Systemen, sondern kontinuierlich. Die Software prüft ein Produkt nach dem anderen und legt dabei dem Operator Zweifelsfälle vor. Dieser stuft das Produkt als gut oder schlecht ein. Dadurch generiert er ein weiteres Bild, das den Bestand klassifizierter Bilder für das Deep Learning ergänzt. Die Anlaufphase wird somit bestmöglich zum Lernen genutzt. Auf diese Weise erreicht die Software oft schon nach wenigen Wochen eine zufriedenstellende Erkennungsleistung. Abhängig von der benötigten Erkennungsrate und der Menge an produzierten Defektteilen kann das Training so lange aufrechterhalten werden, bis eine ausreichende Erkennungsleistung erreicht ist. Für sicherheitskritische Anwendungszwecke, etwa in den Bereichen Pharma und Medizintechnik, ist eine weitere Eigenschaft von AI.See von Vorteil. Nutzer der Software müssen die Lernphase nie beenden, sie werden im Laufe der Nutzung aber immer seltener befragt. Dadurch wird das Lernmodell immer besser, wodurch der Personalaufwand kontinuierlich sinkt und bei seltenen Fehlern dennoch der Faktor Mensch die finale Entscheidung übernimmt.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Weitere Beiträge

Bild: Fraunhofer-Institut ILT
Bild: Fraunhofer-Institut ILT
Laser-Tauchsonde sorgt für smartes Inline-Monitoring von Wasser und Abwasser

Laser-Tauchsonde sorgt für smartes Inline-Monitoring von Wasser und Abwasser

Eine neuartige laserbasierte Tauchsonde, die das Fraunhofer ILT mit Industriepartnern und Anwendern erprobt, könnte den Weg zu einem fortlaufenden Inline-Monitoring von Wasseraufbereitungsprozessen in Kläranlagen ebnen. Das 2D-Fluoreszenzmessverfahren ist in Verbindung mit einer intelligenten Auswertesoftware der Schlüssel zu einer energie- und ressourceneffizienten Wasseraufbereitung.

mehr lesen
Bild: Endress+Hauser (Deutschland) GmbH+Co. KG
Bild: Endress+Hauser (Deutschland) GmbH+Co. KG
Raman-Spektroskopie: Der molekulare Fingerabdruck

Raman-Spektroskopie: Der molekulare Fingerabdruck

Die Prozessanalyse liefert mit Hilfe verschiedener physikalischer und chemischer Messprinzipien Informationen über Stoffeigenschaften direkt aus verfahrenstechnischen Prozessen heraus. Besonders im Aufwind ist dabei die noch relativ junge Raman-Spektroskopie, mit der sich Materialeigenschaften unterschiedlicher Medien berührungslos bestimmen lassen.

mehr lesen