Automatische Segmentierung und Klassifizierung mit Künstlicher Intelligenz

Bruker Alicona aus Graz (Österreich) stellt zeigt auf der Sonderschau eine neue Klassifikationssoftware vor, die basierend auf Künstlicher Intelligenz (KI), die automatische Erkennung von IO- und NIO-Oberflächen ermöglicht. Die Verfahren zur automatischen Klassifizierung und Segmentierung basieren dabei auf intelligenten, selbstlernenden Algorithmen, die ein Bauteil charakterisieren, segmentieren, analysieren und klassifizieren, ohne dass spezielle Arbeitsabläufe programmiert werden müssen. Oberflächenparameter zur Bauteilbewertung werden automatisch abgleitet und ausgewertet. Die Technologie wird z. B. zur Analyse der Kornverteilung auf Schleifwerkzeugen oder zur Beurteilung von sandgestrahlten bzw. laserbearbeiteten Bauteilen eingesetzt.

Konkret handelt es sich dabei um die Bewertung von Laserverfahren im Bereich Cleaning-Technologies, bei denen Laser-Prozess-Einstellungen validiert werden. Eine weitere Anwendung, die z. B. in der Flugzeugindustrie genutzt wird, ist die Bewertung von Kugelstrahlprozessen. Hier wird der Bedeckungsgrad von gestrahlten Oberflächen hinsichtlich Bearbeitungsdauer und Strahlintensität automatisch ausgewertet. Überdies kann das System auch zur automatischen Defekterkennung genutzt werden.

Die Basis des Verfahrens zur automatischen Klassifizierung und Segmentierung sind intelligente, selbstlernende Algorithmen. Sie charakterisieren, segmentieren, analysieren und klassifizieren ein Bauteil. Oberflächenparameter zur Bauteilbewertung werden automatisch abgeleitet und ausgewertet. Die Auswertung erfolgt aus einer Kombination von 2D-Texturdaten und 3D-Topographiedaten, die während des Prüfprozesses analysiert werden. Über einen sogenannten Klassifikator werden dem Messsystem bzw. der Klassifikationssoftware sowohl Negativ- als auch Positivbeispiele (»Golden Samples«) eingelernt, die dann in einer z. B. seriennahen Überwachung die automatische Erkennung von IO/NIO-Bauteilen ermöglichen.

Ein wesentlicher Vorteil der eingesetzten KI-Technologie liegt darin, dass aufwendige manuelle Arbeitsschritte in einem Fertigungsprozess ersetzt werden können. Eine schnellere Automatisierung von Prozessen ist möglich, da neue Abläufe nicht mehr mühsam neu programmiert, sondern einfach „trainiert“ werden, d.h. auf Basis vorhandener großer Datenmengen eingelernt werden. Für die Anwender von Messtechnik bedeutet das u.a. auch, dass Messbereiche nicht mehr händisch auf einem Messdatensatz eingegrenzt werden müssen, wodurch subjektive Fehleinschätzungen werden minimiert werden. KI kann überdies zukünftig Messbereiche selbstständig auswählen, Messplanungen automatisch durchführen und Messprogramme erstellen.