Case study

Computer Vision

Automatisierte Defekterkennung

Die Herausforderung

Erhitzen, Walzen, Trocknen, Schneiden - die Herstellung von flachen Stahlblechen ist ein aufwendiger Prozess der zu Oberflächenfehlern führen.

Die Erkennung dieser - oft sehr kleinen - Defekte durch Sichtprüfung ist zeitaufwändig und fehleranfällig.

‍

1. Vorhandene Daten von Kameras aus der Produktion werden gekennzeichnet

‍

2. Daten werden vorverarbeitet und zum Trainieren eines Convolutional Neural Network verwendet

‍

3. Der Algorithmus wird in das Produktionssystem integriert

‍

Höhere Erkennungsrate im Vergleich zur manuellen Inspektion
Automatisierte Inspektion beschleunigt den Produktionsprozess
Extrahierte Informationen, z. B. die Position des Defekts, können in nachfolgenden Bearbeitungsschritten verwendet werden

Verpackungsinspektion: Fehlende Elemente wie Barcodes oder Beschädigungen erkennen
Gesundheitswesen: Medizinische Scans analysieren und Krankheiten erkennen
Landwirtschaft: Schädlinge und Pflanzenkrankheiten erkennen
Verkehr: Zählen und Klassifizieren von Verkehrsteilnehmern

... und viele mehr