
Für eine möglichst effektive Anomalieerkennung wurde die Verteilung der Bildwerte bei sogenannten Anomalie-Heatmaps von rund 1.600 Bildaufnahmen analysiert. (Bild: Cologne Cobots Lab/TH Köln)

Deshalb ist weitere Forschung notwendig
Die Forscher analysierten die Verteilung der Werte der 1.600 Heatmaps, um die Anomalieerkennung zu optimieren. Bei einem Anomaliewert über oder unter einem Schwellenwert sortierte die KI das Bauteil aus. Dies führte zu einer Treffergenauigkeit von 91 %.
Für die industrielle Serienfertigung ist diese Genauigkeit noch unzureichend. Das Schwellenwertverfahren verursacht zusätzlichen Produktionsausschuss, da es beispielsweise Schmutzpartikel fälschlicherweise als Anomalien erkennt. Weitere Forschung ist notwendig, um die Methode zu verfeinern. In einem Folgeprojekt sollen die Ergebnisse vertieft und auf weitere industrielle Anwendungen übertragen werden.
Quelle: TH Köln
Das sollten Sie zum Projekt wissen
Das Projekt „Quku-ML: Kamerabasierte Qualitätsbewertung beim Kunststoff-Spritzguss mit Hilfe von ML-Strategien“ wurde unter der Leitung von Prof. Dr. Anja Richert vom Cologne Cobots Lab der TH Köln durchgeführt. Die Forscher programmierten den Roboter als zentrale Steuerungseinheit und führten die Tests zur Qualitätskontrolle durch. Der Konsortialführer SHS plus beschäftigt sich mit der Optimierung von Prozessen, Produktqualität und Effizienz in der Kunststoffverarbeitung. Sentin ist ein Unternehmen, das sich auf Softwarelösungen mit Künstlicher Intelligenz für zerstörungsfreie Prüfungen (ZfP) und industrielle Inspektionen, zum Beispiel Bildauswertung, spezialisiert hat.
Das Vorhaben wurde vom Bundesministerium für Bildung und Forschung und dem Deutschen Zentrum für Luft- und Raumfahrt als Projektträger im Rahmen der Initiative „KMU-innovativ“ mit 897.126 Euro über drei Jahre gefördert.