Fraunhofer-Gesellschaft
Themenschwerpunkt: Machine Learning als Schlüsseltechnologie für die Qualitätssicherung mit Bildverarbeitung
Bildverarbeitung und berührungslose Mess- und Prüftechnik werden heute über alle Stufen der industriellen Wertschöpfung erfolgreich für die Qualitätssicherung eingesetzt. Maschinelles Lernen als leistungsstarkes Werkzeug leitet nun eine neue Ära für die Bildverarbeitung ein. Lösungen für maschinelles Sehen werden künftig in viele neue Anwendungsbereiche vorstoßen, wo sie bisher zu teuer, zu langsam oder zu unflexibel waren.
Denn Mess- und Prüfsysteme von morgen werden nicht mehr auf feste Arbeitsschritte oder Aufgaben ausgelegt sein, sondern sich an unterschiedlichste Randbedingungen, wie Prüfinhalte, Fehlerklassen oder Gestalt der Prüfobjekte frei anpassen lassen. Besser noch: Sie haben von vorneherein die notwendige Intelligenz bereits implementiert, um die Anpassungen selbst vornehmen zu können. Sie verfügen damit über die Fähigkeit zur Selbstkonfiguration und arbeiten autonom und selbstlernend, ohne dass jede Anwendungsvariante fallspezifisch vorgegeben werden muss. Vor diesem Hintergrund gewinnen kleine, integrierte Systeme an Bedeutung, die direkt aus der Maschine oder dem Prozess heraus intelligent agieren und die sensornahe Verarbeitung der relevanten Daten und deren produktionsübergreifende Verknüpfung eigenständig erledigen.
Für eine automatische Kontrolle, die zunehmend auf intelligenter Bildverarbeitung basiert, sprechen neben wirtschaftlichen Überlegungen insbesondere die gewonnene Objektivität sowie die hohe Reproduzierbarkeit und Verfügbarkeit im Vergleich zur manuellen Prüfung.
Gerade für hochvariante Aufgaben und bei schwierigen Entscheidungslagen werden zunehmend assistierende Prüfsysteme eingesetzt, die über ihre Eigenintelligenz den menschlichen Bediener kontextsensitiv unterstützen.
Die durch Machine Learning verbesserte prädiktive Wartung eröffnet neue Möglichkeiten zur besseren Vorhersage und Vermeidung von Maschinenausfällen, beispielsweise indem neue Zusammenhänge in komplexen Daten erkannt und Prognosen für deren Entwicklung gezogen werden.