A-Ware oder B-Ware?
Mittels KI die Qualität von Metalloberflächen bereits während der Produktion beurteilen und Prozesse optimieren
“Die Spreu vom Weizen trennen” - ein Wunsch, der uns aktuell häufig im produzierenden Gewerbe begegnet - und es sogar zu einem Sprichwort geschafft hat. Noch besser vielleicht: Die Spreu vom Weizen trennen und danach das bessere Korn vom Schlechteren. In der metallverarbeitenden Produktion ist dieses Prinzip nicht anders, insbesondere bei der Herstellung von Metallplatten als Ausgangsmaterial beispielsweise für die Automobilindustrie.
Das Problem
Bei Metallplatten mit ihrer oft glänzenden Oberfläche fallen selbst kleine Kratzer und Dellen sofort auf. Je nach Anwendungsfall können die Platten dadurch schnell unbrauchbar werden (wer will schon eine Delle in seinem Neuwagen…). Eine lückenlose und zuverlässige Bewertung der Qualität sowie eine entsprechende Sortierung in Qualitätsstufen ist daher von großer Bedeutung. Fehler in diesem Prozessschritt führen zu Rückläufern und Vertrauensverlust.
Fehlerfälle aus der Metallverarbeitung. Unser System markiert und klassifiziert die schadhaften Stellen.
Unsere Lösung
Um eine automatische Sortierung von Metallplatten nach Qualitätsstufen zu ermöglichen, haben wir ein KI-System entwickelt, das Fotos von Metallplatten aus der Draufsicht analysiert, Schäden wie Kratzer und Dellen auf der Oberfläche markiert und nach Schadenstyp klassifiziert. In der Produktion kann die Software auf Wunsch in Echtzeit verwendet werden.
Dazu wird beispielsweise eine Zeilenkamera am Ausgang der Produktionsstrecke, oberhalb des Werkstücks, installiert. Eine Lichtschranke erkennt, wenn eine Metallplatte die Strecke verlässt, aktiviert die Zeilenkamera und die Platte wird gescannt (wie ein Blatt Papier im Scanner). Platten unterschiedlicher Form und Größe können so mit einem Modell analysiert und entsprechend der Qualitätsanforderungen des Kunden klassifiziert werden. Im folgenden Schritt ist damit eine automatische Sortierung der Werkstücke möglich.
Übrigens: In Kombination mit der passenden Hardware kann unsere Software sogar kleinste Kratzer im Mikrometer-Bereich erkennen.
Erkennungsschwelle: 1-2 mm
Schnelligkeit: 0,7 Sek. pro Aufnahme
Ausgabe: Fehlertyp und Maße des Defekts
Verwendete Technologien:
CNN, Semantic Segmentation, Object Detection/Classification