Qualität ist der Schlüssel zum Erfolg. Bis vor ein paar Jahren wurde leichte Kratzer in homogenen Oberflächen von Kunden toleriert. Heutzutage aber erwartet der Kunde eine einwandfreie kratzerloser Oberfläche. Die „traditionelle“ Bildverarbeitung kommt hierbei schnell an ihre Grenzen, weil die Fehler die in unendlich vielen Varianten vorkommen und damit nicht eindeutig beschrieben werden können.
Deep Learning oder auch KI (künstliche Intelligenz) in der Bildverarbeitung ist hier der Schlüssel zum Erfolg. Eye Vision Technology ist es gelungen die komplexeFunktionalität in einem unkomplizierten Softwarebefehl innerhalb der Bildverarbeitungssoftware EyeVision zu integrieren. Sie als Anwender müssen sich also nicht mit der vielschichtigen künstlichen Intelligenz beschäftigen, sondern können diese dank des Homogenitätsinspektors mit wenigen Stellschrauben auf Ihre Anwendung hin justieren.
Eine typische Anwendung des Homogenitätsinspektor ist die Erkennung von Kratzern in der Edelstahlindustrie. Werden dort beispielsweise vor einem Stanzprozess Kratzer und Anomalitäten in der Rohware erkannt, können diese bei dem eigentlichen Stanzprozess ausgelassen werden, so dass nur kratzerfreie Stanzteile produziert werden deren optischer Gesamteindruck keinen Grund für Kundenbeschweren liefern. Aber auch großflächige Abnormalitäten wie die Struktur einer Oberfläche können mit dem Homogenitätsinspektor überprüft und qualifiziert werden. Der Homogenitätsinspektor verhilft Ihnen zu einer fehlerfreien und somit effizienteren Produktion.
Homogeneity (Surface) Inspector
Für die automatische Erkennung von Fehlern auf strukturierten Oberflächen.
Damit lassen sich z.B.:
- Oberflächenfehler
- Schäden
- Verunreinigungen
dynamisch und automatisch erkennen.
Herausforderung und Lösung
Die Indentifizierung von Fehlern auf Oberflächen stellt eine spezielle Herausforderung dar. Zum Beispiel Defekte auf komplexen funktionalen und ästhetischen technischen Oberflächen.
Deep Learning bildet eine neue Lösung für diese Schwierigkeit. Es funktioniert nämlich auch ohne das Vordefinieren von Fehlern. Und ohne Einlernen des Prüfprogramms.
Vorteile der Deep Learning Oberflächenerkennung
- Die Algorithmen können in jede Bildverarbeitungssoftware integriert werden.
- Das Tool kann in jeder beliebigen ROI eingesetzt werden, welche z.B. die Größe der Abweichung als Qualitätskriterium für den Oberflächendefekt nutzt.
- kein vorab Einlernen
- kein Festlegen von Parametern
- der Algorithmus passt sich automatisch selbst an jede bliebige Oberfläche an
- Evaluierung der inspizierten Oberfläche in weniger als 50 ms auf Core i3