Automatisierung manueller Inspektion: Einstiegshürden senken durch bildbasierte Anomaliedetektion

Für produzierende Unternehmen ist eine Qualitätskontrolle ihrer produzierten Güter essenziell. Bedingt durch den aktuellen Fachkräftemangel, der in Zukunft durch den demografischen Wandel noch verstärkt wird, gibt es für manuelle Kontrollen immer weniger Personal. Dies veranlasst zunehmend auch kleine und mittelständische Unternehmen, ihre optische Inspektion zu automatisieren. KI-basierte Bildverarbeitungsmethoden des überwachten Lernens zeigen aufgrund ihrer Generalisierbarkeit sehr gute Ergebnisse im Bereich der automatischen optischen Inspektion (AOI), benötigen jedoch eine große Anzahl an aufwändig zu erstellenden Trainingsdaten.

Ein hohes Einsparpotenzial, insbesondere mit Blick auf die Datenerhebung und -annotation, bietet die Anomaliedetektion. Die Inspektionsaufgabe wird umformuliert und lautet nun: Finde alle Defekte, die von einem definierten Gut-Zustand abweichen. Auch die Anomaliedetektion benötigt Bilddaten zum Lernen. Im Gegensatz zum überwachten Lernen bestehen diese jedoch nur aus Beispielen defektfreier Produkte. Ein zusätzlicher Vorteil ist, dass die erhobenen Bilddaten der Gutteile nicht annotiert werden müssen.

Das Fraunhofer-Institut für Produktionstechnik und Konstruktionsanlagen IPK, Berlin, bietet eine Plattform, auf der eine automatische optische Inspektion als Service bereitgestellt wird. Das System kann je nach Kundenwunsch die Bildverarbeitung auf einem zentralen Server oder in einer (Edge-) Cloud ausführen. Es bindet über eine drahtlose Schnittstelle verschiedenste Erfassungsgeräte ein, wie ein mobiles Smartphone oder hochspezialisierte Industriekameras.

Die Technologie kann vollautomatisiert oder als Assistenzsystem in den betreffenden Prozess eingebunden werden. So arbeitet der Anwender mit der KI zusammen, doku-mentiert Prozessschritte und reduziert Fehler durch die Kombination von Mensch und Maschine nach dem „Vier Augen“-Prinzip. Durch die Interaktion mit dem Menschen und der zentralen Verarbeitung lernt das System kontinuierlich weiter und verbessert sich stetig selbst. Die Kombination aus Assistenzsystem und kontinuierlichem Lernen erlaubt es, mit einem kleineren initialen Datensatz zu beginnen und dann im Prozess das System weiter anzulernen. So wird der initiale Aufwand deutlich reduziert.

Mehr zum Thema Logic. - KI-basierte Bildverarbeitung nutzbar machen und Personalengpässe meistern.