Die Kabelprüfung mit Machine Learning (ML) und Bildverarbeitungssoftware ist eine fortschrittliche Methode, um die Qualität und Integrität von Kabeln zu überwachen und zu überprüfen. In industriellen Anwendungen ist es entscheidend, Kabel auf Fehler wie Beschädigungen, Isolationsfehler, Verbindungsprobleme und andere Mängel zu prüfen. Durch den Einsatz von Kameras und der EyeVision Software mit maschinellem Lernen können diese Prüfungen automatisiert und präziser gestaltet werden um Fehler schon währende der Produktion zu vermeiden.
Um solche Fehler innerhalb der Herstellung von Kabeln zu verhindern, prüft die Bildverarbeitungssoftware EyeVision Kabel oder ganze Kabelbäume.
Dabei werden folgende Eigenschaften erkannt:
- Grundlegende Merkmale: Richtige Position, Breite sowie Länge der Kabel
- Äußeren Beschädigungen: Risse, Schnitte, Dellen, Abnutzungen oder Verformungen auf der Kabelummantelung.
- Isolationsfehlern: Unregelmäßigkeiten in der Isolationsschicht, die auf potenzielle elektrische Gefahren hinweisen.
- Leiterinspektion: Kontrolle der Kupfer- oder Aluminiumadern
- Stecker und Kontakte: Überprüfung der Steckverbindungen auf richtige Ausrichtung, Position und eventuelle Korrosion oder mechanische Schäden.
- Farbkodierungen und Kennzeichnungen: Verifikation der farblichen und textlichen Kennzeichnung der Kabel, um sicherzustellen, dass die richtigen Kabel verwendet werden.
Diese Inspektion kann durch das Machine Learning Tool der Software erweitert werden wodurch sich das System sich kontinuierlich selbst verbessert und das erkennen von Fehlern optimiert. Dadurch können die unterschiedlichsten Oberflächen wie z.B. auch Textilien, Faserplatten, Metall, Kunststoff, usw. mithilfe des Ein-Klassen-Klassifikator geprüft werden. Dieser kann mit wenigen fehlerfreien Bildern das normale Erscheinungsbild eines Gutteils klassifizieren. Auf diese Weise werden alle Anomalien wie z.B. Risse, Riefen, Kratzer, Lunker, Blasen, Einschlüsse, Erhebungen und Druckstellen, usw. am Produkt erkannt.
Ablauf der Kabelprüfung mit Bildverarbeitung und ML
- Bildaufnahme: Hochauflösende Kameras erfassen detaillierte Bilder oder Videos der Kabel. Diese können entweder in Produktionslinien oder in speziellen Teststationen installiert sein.
- Vorverarbeitung der Bilder: Die aufgenommenen Bilder werden vorverarbeitet, um etwaige Störungen zu entfernen (z. B. Hintergrundrauschen, Beleuchtungsprobleme). Techniken wie Filterung, Kantenextraktion und Kontrastanpassung werden häufig eingesetzt.
- Bildanalyse und Feature-Extraktion: Das System extrahiert charakteristische Merkmale der Kabel, wie z. B. Form, Farbe, Textur und Konturen, um relevante Informationen zu gewinnen.
- Fehlererkennung durch ML: Maschinelles Lernen analysiert die extrahierten Merkmale und vergleicht sie mit dem gelernten Modell. Falls Abweichungen von den Normalwerten oder erwarteten Mustern auftreten, wird ein Fehler erkannt.
- Klassifikation und Handlungsempfehlung: Der erkannte Fehler wird klassifiziert, und das System kann entsprechende Maßnahmen vorschlagen, wie z. B. das Entfernen des defekten Kabels oder die Reparatur.
Die Vorteile sind eindeutig, Fehler werden präziser erkannt, Produktionsprozesse können automatisiert und beschleunigt werden. Außerdem ist die EyeVision Deep Learning Software sehr flexibel und kann auf nterschiedliche Kabeltypen und Prüfanforderungen angepasst werden, indem die Modelle mit neuen Daten trainiert werden.