Anzeige
Anzeige
Anzeige
Beitrag drucken

Anomalien erkennen ohne Schlecht-Bilder

Jeden Fehler keinmal machen

Industrielle Bildverarbeitung ist häufig integraler Bestandteil durchgängig automatisierter Wertschöpfungsketten. Dabei spielen KI-Verfahren wie Deep Learning eine wichtige Rolle. Die Anomaly-Detection-Technologie hilft, den Trainingsaufwand für die eingesetzten Algorithmen zu reduzieren.

Deep-Learning-Algorithmen nutzen sowohl Schlecht-Bilder als auch Gut-Bilder zur Fehlererkennung. (Bild: MVTec Software GmbH)

Deep-Learning-Algorithmen nutzen sowohl Schlecht-Bilder als auch Gut-Bilder zur Fehlererkennung. (Bild: MVTec Software GmbH)

Die industrielle Bildverarbeitung (Machine Vision) übernimmt im Automatisierungsumfeld von Produktionsunternehmen unterschiedliche Aufgaben: Beispielsweise lassen sich damit sehr unterschiedliche Objekte entlang der gesamten Prozesskette identifizieren, zuordnen und nachverfolgen. Die Erkennung kann dabei sowohl aufgrund äußerer Merkmale als auch über aufgedruckte Datacodes oder mittels OCR-Verfahren (Texterkennung) erfolgen. Darüber hinaus optimiert und automatisiert Machine Vision das Handling von Produkten und Bauteilen: Die Position von Werkstücken lässt sich so bestimmen, dass diese zur Bearbeitung ausgerichtet werden können. Zudem können Roboter und Cobots Objekte wahrnehmen und greifen. Und nicht zuletzt lässt sich die Kollaboration zwischen Menschen und Maschinen sicherer und effizienter gestalten. Denn durch kontinuierliche Überwachung der Abläufe werden gefährliche Situationen und Kollisionen zwischen den Beteiligten vermieden.

Defekte Teile finden

Auch bei der Automatisierung der Fehlerinspektion spielt die industrielle Bildverarbeitung eine Rolle. So vergleicht die Machine-Vision-Software anhand der aufgenommenen digitalen Bilddaten permanent den Ist- und Sollzustand der zu prüfenden Objekte und erkennt Anomalien. Dadurch lassen sich defekte Teile automatisiert aussortieren. Noch robuster funktioniert dieser Prozess mit KI-Technologien – insbesondere wenn Deep Learning zum Einsatz kommt, das auf Convolutional Neural Networks (CNNs) basiert. Die Integration solcher KI-Algorithmen in die Bildverarbeitungssoftware hebt die automatisierte Fehlererkennung auf eine neue Stufe.

Deep Learning

Mittels Deep Learning werden die von den Bildeinzugsgeräten aufgenommenen digitalen Bilddaten umfassend ausgewertet. Dabei lernt die Machine-Vision-Software im Rahmen eines Trainings, welche Eigenschaften typisch für eine bestimmte Objektklasse sind. So können die Bilddaten einer spezifischen Klasse zugeordnet werden. Dies ermöglicht die automatische Klassifizierung von Gegenständen und Fehlern. Zu beachten ist jedoch, dass der Deep-Learning-basierte Trainingsprozess eine durchdachte und gute Vorbereitung erfordert. Es muss zunächst eine große Menge an verwertbaren Bilddaten erzeugt und gesammelt werden. Im nächsten Schritt werden die Bilder gelabelt, also mit einem digitalen Etikett versehen. Dieses markiert eine spezifische Objekt- oder Fehlerklasse. Erst nach dem Labeling-Prozess kann das zugrundeliegende, neuronale Netz mit den jeweiligen Bildern trainiert werden. Der Labeling-Prozess ist dabei mit großem Aufwand verbunden. Denn je nach individueller Anwendung sind zwischen 150 und 300 Trainingsbilder pro Fehlertyp erforderlich. Wichtig ist, dass diese die Objekte mit den zu erkennenden Defekten in verschiedenen Erscheinungsformen zeigen – sogenannte ‚Schlecht-Bilder‘. Von diesen sind jedoch oft nicht genug vorhanden. Zudem sind die möglichen Fehlertypen in ihrer konkreten Erscheinungsform vorher meist nicht bekannt. Die Beschaffung und das Labeling solcher Bilder können also einen hohen Ressourceneinsatz erfordern, der oft nicht rentabel ist.


Das könnte Sie auch interessieren:

Das Fraunhofer-Institut für Photonische Mikrosysteme IPMS entwickelt zusammen mit europäischen Partnern im Projekt QLSI eine skalierbare Technologie für Silizium-Qubits für Quantencomputer.‣ weiterlesen

Mit dem Strategiepapier ‘Cyber Security Design Principles‘ will die Open Industry 4.0 Alliance darüber informieren, wie Unternehmen das Thema Sicherheit von der Werkshalle bis zur Cloud umsetzen können.‣ weiterlesen

Mit ihren Systemen rund um Dämpfe, Gase und Ventile spielt die GEMÜ Gruppe weltweit in der ersten Reihe. Als digitaler Knotenpunkt dient das ERP-System PSIpenta. Dessen Module zur adaptiven Produktionsplanung- und Steuerung verhelfen dem Familienunternehmen über Werks- und Landesgrenzen hinweg zu fast hundertprozentiger Liefertermintreue.‣ weiterlesen

Es gibt keinen Textauszug, da dies ein geschützter Beitrag ist.‣ weiterlesen

Aus dem Industrie-4.0-Barometer der Management- und IT-Beratung MHP geht hervor, dass sich die Position eines CIO in der Geschäftsführung positiv auf Umsetzung von Industrie-4.0-Ansätzen auswirkt.‣ weiterlesen

Durch die Pandemie und durch die Digitalisierung steigt der Innovationsdruck auf die deutsche Industrie. Wie die aktuelle CGI-Studie zeigt, können agile Unternehmen besser mit den damit verbundenen Herausforderungen umgehen.‣ weiterlesen

Das Internet der Dinge bringt physische und digitale Welten zunehmend zusammen. Schon längst geht es nicht mehr nur um die pure Vernetzung von Geräten, sondern um Systeme, die Menschen, digitale Lösungen und Objekte aus der realen Welt verknüpfen.‣ weiterlesen

Kooperationen mit Technologie-Startups bieten für etablierte Unternehmen Chancen, um die digitale Transformation zu bewältigen und wettbewerbsfähig zu bleiben. Doch selbst wenn große Organisationen schon mit jungen Firmen kooperieren, nutzen sie das Potenzial dieser Zusammenarbeit oft kaum aus.‣ weiterlesen

231.000 offene Stellen weniger als im vierten Quartal 2019 verzeichnet das Institut für Arbeitsmarkt und Berufsforschung in der aktuellen Stellenerhebung. Demnach ist die Zahl der offenen Stellen gegenüber dem dritten Quartal 2020 jedoch gestiegen.‣ weiterlesen

Die vermehrte Arbeit im Homeoffice reduziert die CO2-Emissionen, die beispielsweise durch Pendeln entstehen. Auf der anderen Seite steigt der Stromverbrauch zuhause. Wie dieser reduziert werden kann, zeigen Tipps der Fachgemeinschaft für effiziente Energieanwendung.‣ weiterlesen

Nach 90,3 Punkten im Januar ist der Ifo-Geschäftsklimaindex im Februar gestiegen. Die Unternehmen schätzen dabei nicht nur die aktuelle Lage besser ein sondern sind auch mit Blick auf die kommenden Monate weniger pessimistisch.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige