KI-gestützte visuelle Qualitätskontrolle – Demonstrator zur effizienten Fehlererkennung
Der Demonstrator zur visuellen Qualitätskontrolle zeigt, wie Künstliche Intelligenz (KI) und Deep Learning eingesetzt werden können, um fehlerhafte Produkte schnell und zuverlässig zu identifizieren. Entwickelt im Rahmen des Green-AI Hub Mittelstand bietet der Demonstrator einen nachhaltigen Ansatz zur Qualitätsprüfung.
Hier finden Sie den Demonstrator zur visuellen Qualitätskontrolle auf GitHub.
Grafik 1: Der Demonstrator zur visuellen Qualitätskontrolle prüft Zahnräder.
Herausforderung: Probleme der manuellen Qualitätskontrolle
In vielen Produktionsprozessen sind traditionelle Methoden zur Qualitätskontrolle zeitintensiv und erfordern viel Personal. Manuelle Prüfungen sind zudem häufig anfällig für menschliche Fehler und können dazu führen, dass defekte Produkte zu spät oder nicht erkannt werden. Dies führt zu erhöhten Kosten und vermeidbarer Materialverschwendung.
Lösung: Automatisierte Qualitätskontrolle durch KI
Der entwickelte Demonstrator zur visuellen Qualitätskontrolle kann Produkte in Echtzeit auf Fehler zu überprüfen – ganz ohne menschliches eingreifen. Dazu nutzt der Demonstrator die zwei kombinierte YOLO-Modelle (You Only Look Once), ein Objekterkennungsalgorithmus, der eine schnelle und genaue Identifizierung von Fehlern ermöglicht. Durch die Kombination der Modelle kann das KI-System mehrere Objekte gleichzeitig analysieren und trotzdem kleine Fehler zuverlässig erfassen.
Ressourceneinsparung
Die automatisierte Qualitätsprüfung ermöglicht eine schnelle und zuverlässige Detektion von fehlerhaften Produkten. Das bietet ökonomische Vorteile und hilft Ressourcen einzusparen. Defekte Produkte werden frühzeitig erkannt und aussortiert. Ebenso wird der Energieverbrauch gesenkt, da der Prozess schnell und automatisch abläuft. Unternehmen profitieren von einer geringeren Ausschussquote und weniger notwendiger Nacharbeit, was den Materialvebrauch deutlich verringern kann.
Nutzung des Demonstrators
Um den Demonstrator zu verwenden, verbinden Sie eine beliebige Webcam oder Kamera mit Ihrem Computer und richten diese auf Produkte aus, die Sie überprüfen wollen. Über das Web-Interface des Demonstrators können Sie den Live-Stream der Kamera direkt einsehen. Mit einem Klick startet der Demonstrator die Qualitätskontrolle und markiert mögliche Produktionsfehler visuell auf dem Bildschirm.
Grafik 2: Schematische Darstellung des Demonstrators zur visuellen Qualitätskontrolle.
Funktionen
- Intuitive Web-Oberfläche für eine einfache Interaktion mit dem System
- Echtzeit-Fehlererkennung durch kombinierte YOLO-Modelle
- Anpassbare Einstellungen für verschiedene Produktanforderungen
- Detaillierte Leistungsmetriken zur Überwachung und Optimierung des Systems
- Ressourceneinsparung durch schnelle, automatisierte Erkennung von fehlerhaften Produkten
Der Demonstrator zur visuellen Qualitätskontrolle wurde im Rahmen der Initiative des Green-AI Hub Mittelstands entwickelt. Der Green-AI Hub Mittelstand ist eine KI-Initiative des Bundesministeriums für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz, koordiniert durch die Zukunft – Umwelt – Gesellschaft (ZUG) gGmbH. Der Demonstrator wurde vom Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) entwickelt.
