Die Guten ins Töpfchen...
Mit Künstlicher Intelligenz bildbasierte Inspektion automatisieren
Hohe Ansprüche an Produkte sowie großer Zeit- und Kostendruck sind quer durch alle Industrien und Branchen wettbewerbsentscheidend. Ob in der Lebensmittel- oder in der Automobilindustrie - Qualität, Sicherheit und Schnelligkeit sind heute mehr denn je Faktoren, die über den Erfolg eines Unternehmens entscheiden. Eine Null-Fehler-Produktion ist das Ziel. Doch wie kann gewährleistet werden, dass ausschließlich makellose Produkte die Produktion verlassen? Wie können dabei fehlerhafte Qualitätsentscheidungen, die zu hohen Kosten führen, vermieden werden? Um dies zuverlässig zu prüfen, kommen in der Qualitätssicherung unterschiedlichste Verfahren zum Einsatz.
Möglich ist eine visuelle Prüfung mit menschlichem Auge, die jedoch oft fehleranfällig und teuer ist: das Auge ermüdet und Arbeitszeit ist kostenintensiv. Eine maschinelle Prüfung hingegen geht in der Regel einher mit aufwendiger Kalibrierung, d.h. die Einrichtung und das Einstellen aller Parameter sowohl der Software als auch der Hardware, um jeden Fehler zu erkennen. Zudem erfordern Produkt- oder Materialänderungen jeweils Nachkalibrierungen. Darüberhinaus muss ein Programmierer oder Bildverarbeiter dem System beim klassischen, regelbasierten Ansatz eigens Regeln programmieren, um diesem zu erklären, wie es die Fehler erkennt. Dies ist aufwändig und bei einer sehr hohen Varianz von Fehlern oft eine kaum lösbare Herkulesaufgabe. All das kann unverhältnismäßig viel Zeit und Geld kosten. Um Qualitätsprüfung so effizient, einfach, zuverlässig und kostengünstig wie möglich zu gestalten, entwickelt das Bochumer Unternehmen sentin GmbH mit Hilfe von Deep Learning und IDS Industriekameras Lösungen, die eine schnelle und robuste Fehlererkennung ermöglichen. Denn im Gegensatz zur herkömmlichen Bildverarbeitung lernt ein neuronales Netz die Merkmale anhand von Bildern selbst zu erkennen. Genau das ist der Ansatz des intelligenten sentin VISION Systems. Es nutzt eine KI-basierte Erkennungssoftware und kann anhand von wenigen Beispielbildern trainiert werden. Zusammen mit einer GigE Vision CMOS Industriekamera von IDS und einer Auswerteeinheit lässt es sich mühelos in bestehende Prozesse einbetten.
Anwendung
Das System ist in der Lage, Objekte, Muster und sogar Fehlerstellen zu segmentieren. Auch schwierig zu erfassende Oberflächen können das System dabei nicht stoppen. Klassische Anwendungsfälle finden sich beispielswiese in der Automobilindustrie (Fehlererkennung auf metallischen Oberflächen) oder in der Keramikindustrie (Fehlererkennung durch Sichtbarmachen von Dellen auf reflektierenden und spiegelnden Oberflächen), aber auch in der Lebensmittelindustrie (Objekt- und Mustererkennung).
Je nach Anwendungsfall ist die KI auf die Erkennung von Fehlern oder Anomalien trainiert. Bei letzterer lernt das System selbständig, gute von schlechten Teilen zu unterscheiden. Wird beispielsweise eine Oberflächenstruktur geprüft, siehe Metallteil in der Automobilindustrie oder Keramikteil, werden Fehler von der Künstlichen Intelligenz als Abweichungen eines Vergleichs mit Referenzbildern erkannt. Durch die verwendete Anomalieerkennung und mit Hilfe vortrainierter Modelle kann das System Anomalien schon anhand weniger Beispielbilder von Gutteilen unterscheiden.
Das für das Training und die Auswertung erforderliche Hardware-Setup besteht jeweils aus einer IDS Industriekamera und entsprechender Beleuchtung. Die verwendeten Erkennungsmodelle werden mit Hilfe von Referenzbildern trainiert. Beispielsweise wurde so auch für die fehleranfällige Überprüfung von Stoffbahnen in der Textilindustrie ein System und KI-Modell konfiguriert. Eine schwierige Aufgabe, da Fehler sehr subjektiv und sehr klein sein können. Die Systemkamera für optimales Bildmaterial der Textilien und Bahnwaren wurde zusammen mit IDS auf der Basis der spezifischen Kundenanforderungen ausgesucht. Die Wahl fiel auf eine GigE Vision CMOS Kamera (GV-5880CP), die hochauflösende Daten, zeitlich präzise getriggert, für eine genaue Bildauswertung zur Verfügung stellt.
Das System lernt was eine „gute“ Stoffstruktur ausmacht und weiß bereits anhand weniger Aufnahmen des Stoffes, wie ein sauberes und fehlerfreies Produkt aussieht. Für die Qualitätsprüfung wird dann das mit der IDS Vision CP Kamera aufgenommene Bild per GigE-Schnittstelle an einen Auswertungsrechner weitergeleitet und mit dem Erkennungsmodell verarbeitet. Dieser Rechner kann dann zuverlässig Gut-/Schlechtteile unterscheiden und Abweichungen hervorheben. Er gibt ein Ausgangssignal, wenn ein Fehler gefunden wurde. Auf diese Weise lassen sich Schlupf und Pseudoausschuss schnell und einfach reduzieren. Als Schlupf wird der Anteil an Produkten bezeichnet, der nicht dem Standard entspricht, aber übersehen und daher nicht aussortiert wird und häufig zu Reklamationen führt. Pseudoausschuss hingegen sind die Produkte, die dem Qualitätsstandard entsprechen und trotzdem fälschlicherweise aussortiert werden.
Sowohl Hardware als auch Software des Systems sind flexibel: Für mehrere oder breitere Bahnen können problemlos zusätzliche Kameras in das Setup integriert werden. Sofern erforderlich, ermöglicht die Software auch ein Nachtrainieren der KI-Modelle. "Die Erfahrung zeigt einfach, dass durch kleinere individuelle Gegebenheiten immer ein gewisses Nachtraining notwendig ist. Mit vortrainierten Modellen aus unserem Portfolio benötigt man weniger Referenzbilder für die Individualisierung und Nachtraining”, erklärt Christian Els, Geschäftsführer und Mitgründer von sentin. In diesem Fall zeigen die Aufnahmen die strukturierte Oberfläche einer Stoffbahn und eine kleine Anomalie darauf, die im Bild rechts herausgefiltert wurde:
Kamera
Eine äußerst präzise Bildaufnahme und eine genaue Bildauswertung gehören zu den wichtigsten Anforderungen an die eingesetzte Kamera. Bestens geeignet: Die GigE Vision CMOS Kamera GV-5880CP. Das Modell verfügt über einen 1/1.8" Rolling-Shutter CMOS Sensor Sony IMX178, der eine sehr hohe Auflösung von 6,4 MP (3088 x 2076 px, Seitenverhältnis 3:2) ermöglicht. Er liefert Bildraten von bis zu 18 fps bei voller Auflösung und ist damit ideal für Visualisierungsaufgaben in der Qualitätskontrolle. Der Sensor aus Sonys STARVIS Serie mit BSI Technologie ist der lichtempfindlichste Sensor im IDS Kameraportfolio und mit unter 2 Elektronen pro Sekunde nahe am SCMOS-Bereich (Scientific CMOS). Er sorgt auch unter sehr schwachen Lichtverhältnissen für beeindruckende Ergebnisse. Dank der Sensorgröße von 1/1.8" ist eine große Auswahl an C-Mount Objektiven für das GigE Vision Kameramodell GV-5880CP erhältlich. "Neben Auflösung und Framerate waren die Schnittstelle und der Preis bei der Entscheidung für die Kamera ausschlaggebend", so Arkadius Gombos, Technischer Leiter bei sentin. Die Integration in das sentin VISION System erfolgt über GenTL und eine Python-Schnittstelle.
Der direkte Austausch mit der IDS Entwicklungsabteilung hat uns dabei geholfen, die Zeit bei der Integration der Kamera zu reduzieren.
Fazit
Die automatisierte, bildbasierte Qualitätskontrolle mit Künstlicher Intelligenz bietet viele Vorteile gegenüber der visuellen Kontrolle durch den Menschen oder herkömmlichen Machine Vision-Anwendungen. "In der KI-basierten Bildinterpretation geht es darum, Bilder zu erzeugen, auf denen der Mensch den Fehler erkennen kann, denn dann kann es das KI Modell auch", resümiert Christian Els. Das System lernt dabei ähnlich wie ein Mensch, die Anforderungen an das Produkt zu erkennen. Doch das menschliche Gehirn wird in Bezug auf Beständigkeit und Zuverlässigkeit jederzeit von einer Künstlichen Intelligenz geschlagen. Auch wenn das Gehirn zu bemerkenswerten Höchstleistungen fähig ist, kann eine KI deutlich komplexere Fehlerbilder erkennen. Das menschliche Auge kann hingegen in puncto Ermüdung und Sehvermögen keiner Kamera standhalten. Im Zusammenspiel mit einer Deep-Learning Erkennungssoftware ermöglicht das Bildverarbeitungssystem daher eine besonders schnelle und genaue Prüfung. Je nach Anwendungsfall können Bildaufnahme und -Auswertung in nur wenigen Millisekunden stattfinden.
Das System lässt sich ebenso auf andere Bereiche wie z.B. Oberflächenprüfungen anwenden. Ähnliche Anwendungsfälle sind z.B. die Prüfung von matten Metall-/Kurstoffoberflächen (Automobilinterieur), Naturstoffe (Stein, Holz) oder technische Textilien wie Leder. Kratzer, Risse und andere Mängel auf Konsumgütern können so erkannt und die jeweiligen Produkte aussortiert werden.
"Die guten ins Töpfchen, die schlechten ins Kröpfchen" - ein unverzichtbarer Prozess im Rahmen der Qualitätssicherung. IDS Kameras im Zusammenspiel mit der Deep Learning gestützten Software der sentin GmbH optimieren die Fehler- und Objekterkennung in Qualitätskontrollen erheblich. Damit lassen sich in den unterschiedlichsten Branchen und Bereichen sowohl der Personal- und Zeitaufwand für Reklamationen und Nacharbeit, sowie Pseudoausschuss deutlich verringern.
USB 3 uEye CP - Unglaublich schnell, unglaublich zuverlässig, unglaubliche Sensoren
- Interface: GigE
- Modell: GV-5880CP
- Sensortyp: CMOS
- Hersteller: Sony
- Framerate: 18,0 fps
- Auflösung: 3088 x 2076 / 6,41 MPixel
- Shutter: Rolling-Shutter
- Sensorformat: 1/1.8"
- Maße : 29,0 mm x 29,0 mm x 29,0 mm
- Gewicht: 51g
- Anschluss: GigE RJ45, verschraubbar
- Anwendungen: Industrielle BV Verkehr und Transport (ITS), Medizintechnik (und Laborautomation), Messtechnik, Astronomie
Kunde
Das Team von sentin setzt sich aus erfahrenen Entwicklern und Ingenieuren zusammen, die auf eine gemeinsame Vergangenheit bei Industriegrößen wie Bosch Rexroth, Airbus Defence and Space oder der Audi AG zurückblicken können. Im Fokus des Unternehmens steht die visuelle und bildbasierte Kontrolle von Werkstoffen und Produkten, für die sie mit eigens entwickelten Software-Lösungen einzigartige Produkte für die unterschiedlichsten Sektoren der Wirtschaft bieten.
