» TEST &
» TEST & QUALITÄTSSICHERUNG Bild: Omron Bild: Omron Ein auf KI basierender Bildfilter unterstützt die Identifikation von Fehlern und selbst kleiner Defekte AI Fine Matching beinhaltet ein Bildverarbeitungssystem, womit sich das neue Vision-System der FH- Serie mit einem auf der KI-Technologie basierenden Fehlererkennungssystem verbinden lässt Vereinfachte maschinelle Bildverarbeitungskonfiguration mithilfe KI Optimierte Qualitätskontrolle in der Automobilindustrie Wer Fehler, Defekte oder Kratzer in der Herstellung erkennen möchte, ist auf das fundierte Wissen und Fingerspitzengefühl erfahrener Techniker und Kontrolleure angewiesen. Das Problem: Aufgrund steigender Arbeitskosten und großen Fachkräftemangels müssen Unternehmen vermehrt Prozesse automatisieren, die bislang nur von Mitarbeitern übernommen werden konnten. Um diese Herausforderung moderner Produktionsstätten zu meistern, stellt Omron jetzt zwei neue Lösungen vor, die Künstliche Intelligenz (KI) und maschinelle Bildtechnologie integrieren. Mithilfe moderner KI-Technologie lassen sich Objektmerkmale mittlerweile so genau wie mit dem menschlichen Auge erkennen und relevante Parameter automatisch im laufenden Betrieb erlernen. Doch während viele KI-Ansätze mit großen Datenmengen, spezieller Hardware, besonderen Umgebungen und KURZ & BÜNDIG feh- Fehlererkennungsaufgaben, die auf menschliches Feingefühl angewiesen sind, sind eine Herausforderung für die Automatisierung, was durch eine leistungsstarke neue KI-Technologie gelöst werden konnte. lendem technischem Knowhow zu kämpfen haben, ist es Omron gelungen, diese Hürden zu meistern, so dass ein breiterer Einsatz derartiger Lösungen möglich ist. KI-basierter Bildfilter zur Fehlerdetektion AI Fine Matching beinhaltet ein Bildverarbeitungssystem. Mit ihm lässt sich das neue Vision-System der FH-Serie mit einem auf der KI-Technologie des Unternehmens basierenden Fehlererkennungssystem verbinden. Ein neuer ebenfalls auf KI basierender Bildfilter, der die Technik reproduziert, mit der erfahrene Kontrolleure einen Defekt auf einem beliebigen Produkthintergrund erkennen, unterstützt die Identifikation von Fehlern und selbst kleiner Defekte. So können Anwender einfacher als zuvor gute von mangelhaften Produkten unterscheiden, ohne dass spezielle fehlerhafte Lernmuster benötigt werden. Das KI-Feinabgleich-Tool lernt aus den Bilddaten nicht defekter Produkte und erwirbt so schnell die „Expertise“, für die Inspektoren oftmals viele Jahre benötigen. Auch wenn die Genauigkeit vom Produkt abhängt, kann sie in vielen Fällen die Fehlererkennungsrate von menschlichen Kontrolleuren erreichen oder übertreffen. Für das Bildsystem der FH-Serie können innerhalb der Einstellungen individuelle Abwei- 42 EPP » 10 | 2022
Bild: Omron chungstoleranzen festgelegt werden. „Wir haben Künstliche Intelligenz in unsere Bildverarbeitungssysteme integriert, um die Einrichtung und Konfiguration derartiger Lösungen zu vereinfachen. Dies erleichtert den Einsatz ungemein“, erklärt Antoni Farràs, General Manager des Omron Automation Center Barcelona. „Wir setzen statt eines geschulten Ingenieurs auf einen ML-Algorithmus, um das Bildverarbeitungssystem einzurichten. Ein Mensch hätte sich die Defekte angesehen, die identifiziert werden sollen, und dann ein Programm mit Prüfverfahren und Prüfwerkzeugen konfiguriert, um so ein gutes von einem schlechten Teil unterscheiden zu können. Als Grundlage dienen dabei Muster, Zusammenhänge, Kontrast und Farbe.“ Der Algorithmus automatisiert diesen Prozess. Er wird mit einer Charge von Gutteilen trainiert, und das KI-System sucht nach den Merkmalen guter Teile sowie nach Abweichungen. Gewisse Parameter und akzeptable Produktabweichungen können dabei firmenspezifisch festgelegt werden. „Das ist alles, was Unternehmen tun müssen, um das System zu programmieren“, führt Farràs aus. „Anschließend ist das System in der Lage, alles zu erkennen, was außerhalb des zuvor festgelegten Toleranzbereichs für gute Teile liegt. Die Lösung eignet sich daher optimal für die Herstellung von Teilen mit hohem Produktmix oder neuen Teilen, denn das Training für verschiedene Produkte ist schnell und einfach, da es lediglich eine Reihe von Bildern umfasst.“ Automatisierung durch Algorithmus Einmal trainiert, liefert das AI Fine Matching-Bildverarbeitungssystem ein hundertprozentig konsistentes Ergebnis. Der KI- Kratzererkennungsfilter (AI Scratch Detection Filter) identifiziert Oberflächenkratzer mithilfe eines Bildverarbeitungssystems und eines KI-Algorithmus, der dem Empfindlichkeitsniveau erfahrener Prüfer gleicht, ohne dass Proben oder Anpassungen erforderlich sind. Ein wichtiger Anwendungsbereich für diese Lösung ist die Automobilindustrie. Jedoch stelle die Technik hier eine Herausforderung dar, meint Farràs: „Automobilhersteller möchten gerne hundertprozentig genaue Qualitätskontrollen erreichen. Doch manchmal sind Kratzer oder Defekte insbesondere auf glänzenden Oberflächen schwer zu erkennen – vor allem dann, wenn Autos in vielen verschiedenen Farben lackiert sind. Sie müssten nicht nur das Bildverarbeitungssystem für jedes einzelne Produkt konfigurieren, sondern auch die Farbe, das Finish und ob es sich beispielsweise um Metallic oder Matt handelt.“ Der Algorithmus automatisiert diesen Prozess. Er wird mit einer Charge von Gutteilen trainiert, und das KI-System sucht nach den Merkmalen guter Teile sowie nach Abweichungen Einmal trainiert, liefert das AI Fine Matching-Bildverarbeitungssystem ein hundertprozentig konsistentes Ergebnis Das Unternehmen hat jetzt einen neuen Algorithmus entwickelt, der genau diese Herausforderungen adressiert. „Zunächst nimmt das AI Scratch Detection Filter-System ein Bild auf und lässt es dann durch diverse Filter laufen, um den Kratzer optisch von der Oberfläche zu trennen. Da das System intern alle Filterund Inspektionsalgorithmen durchläuft, spielt die Farbe oder Oberflächenbeschaffenheit des Fahrzeugs keine Rolle. Der für die jeweilige Anwendung bestgeeignete Filter wird automatisch festgelegt. Hierdurch sind die Einrichtung und Nutzung dieses Systems sehr einfach“, berichtet Farràs. Die Fähigkeit, Oberflächenkratzer IT- und KI-gestützt zu erkennen, ist für die Herstellung verschiedenster Teile von Vorteil. Beispiele sind Kunststoffformteile, extrudierte Kunststofffolien und optische Teile aus Glas oder transparenten Polymeren. Ein weiteres Anwendungsszenario kann die Überprüfung der Papierqualität bei Rollendruckverfahren sein. Aufgrund seiner ursprünglichen Entwicklung für die Automobilindustrie lässt sich das AI Scratch Detection Filter-System zur Qualitätsverbesserung vieler Produkte einsetzen. Über Omron Die Omron Corporation ist ein weltweit führendes Unternehmen im Bereich der Industrieautomatisierung, basierend auf seiner Kerntechnologie „Sensing & Control + Think“ (Sensorik, Steuerung und künstliche Intelligenz). Die Geschäftsfelder decken ein breites Spektrum ab, das von der industriellen Automatisierung und elektronischen Komponenten bis zu sozialen Infrastruktursystemen, Lösungen für das Gesundheitswesen und Umweltanwendungen reicht. Das Unternehmen wurde 1933 gegründet und beschäftigt weltweit rund 30.000 Mitarbeiter, die Produkte und Dienstleistungen in etwa 120 Ländern und Regionen anbieten. Im Bereich der Industrieautomation wird die Innovation in der Fertigung durch die Bereitstellung fortschrittlicher Automatisierungstechnologien und -produkte sowie durch umfassende Kundenunterstützung unterstützt, um so einen Beitrag zur Schaffung einer besseren Gesellschaft zu leisten. http:/industrial.omron.eu Bild: Omron EPP » 10 | 2022 43
Twitter