Optische Qualitätskontrolle mit KI und industrieller Bildverarbeitung

Moderne Few-Shot-Modelle starten oft schon mit wenigen Hundert Bildern; das System lernt im laufenden Betrieb kontinuierlich weiter.

Industriekameras und Beleuchtung werden je Anwendung ausgewählt. Wir liefern die komplett ausgelegte Prüfstation.

Neue Varianten werden schnell aus bestehenden Modellen trainiert. Das passt gut zu variantenreicher Fertigung.

Auf einem passend ausgelegten Server läuft die Inferenz im Millisekundenbereich und ist selten der Engpass, allerdings muss die Latenz je Station eingeplant werden, wenn sich mehrere Kameras eine GPU teilen. Entscheidend ist der Rest der Schleife: Das Teil muss beim Trigger stehen und immer gleich ausgeleuchtet sein, und die Entscheidung über das Ausschleusen muss vorliegen, bevor das Teil die Weiche erreicht. Lässt Ihre Taktzeit dafür keinen Spielraum, ist die Lösung mechanisch und nicht ein schnelleres Modell.

Ja, Retrofits sind der Normalfall, aber die Arbeit ist überwiegend mechanisch und elektrisch, nicht softwareseitig. Sie brauchen ein Triggersignal von der SPS oder einem Sensor, einen Aktor, der eine Ausschleusung ausführen kann, und eine Leitungsführung zurück zum Inferenzserver. Das Anlernen des Modells ist meist der kürzeste Teil des Projekts; den Terminplan bestimmt die Aufgabe, das Teil in jedem Zyklus gleich vor der Kamera zu positionieren.

Alles, was die Kamera nicht sieht. Innenrisse, Porosität unter der Oberfläche, Einschweißtiefe, Drehmoment und Werkstoffeigenschaften brauchen ein anderes Prüfverfahren, kein besseres Modell. Schwer tut sich die Bildverarbeitung außerdem dort, wo ein Fehler kein einheitliches optisches Merkmal hat, wo die Gutgrenze eher Geschmackssache als beschreibbar ist und wo Teile in unvorhersehbarer Lage ankommen. Klären Sie vor der Spezifikation einer Prüfstation, welche Fehlerbilder Sie tatsächlich jagen.

Im laufenden Betrieb muss jemand die Klassifizierungen bestätigen oder korrigieren, bei denen sich das System unsicher ist, und genau dieses Feedback hält die Modelle aktuell. Das ist ein wiederkehrender Aufwand, für den Sie keine eigene Stelle brauchen. Der größere Teil fällt vorher an, in den ersten Wochen, beim Sammeln repräsentativer Bilder von Gutteilen und von jeder Fehlerklasse, die Sie abdecken wollen. Niemand sollte das zusätzlich zur vollen Schicht ohne eingeplante Zeit übernehmen.

Es liegt in zwei Richtungen falsch, und über die Entscheidungsschwelle tauschen Sie die eine gegen die andere. Ziehen Sie sie enger, landen Gutteile im Ausschuss oder in der Nachprüfung; lockern Sie sie, schlüpfen Fehler durch. Beides muss sichtbar sein, deshalb wird jede Entscheidung mit ihrem Bild abgelegt, und die Ausschleusungen gehören in festem Intervall gegen die menschliche Beurteilung auditiert. Eine Station, deren Pseudoausschuss nie überprüft wird, lernen die Bediener irgendwann zu übergehen.

Die Inferenz läuft auf dem GPU-Vision-Server vor Ort, die Echtzeit-Entscheidungsschleife verlässt das Werk also nie. Das hält die Latenz niedrig genug für eine Inline-Ausschleusung. Die gespeicherten Bilder und Bedienerkorrekturen für das Nachtrainieren sind eine eigene Frage: Wenn MSF die Modelle auf Ihren Daten abstimmt, regeln Sie vertraglich, ob diese Bilder im Werk bleiben. Der Rest der Plattform lässt sich als SaaS, Private Cloud oder On-Premise betreiben.

Es wird aus der Linie ausgeschleust, und anschließend entscheidet die zuständige Stelle über Ausschuss, Nacharbeit oder Sonderfreigabe. Das Prüfergebnis selbst geht an MSF Quality, landet dort auf den SPC-Regelkarten und kann automatisch eine Abweichungsmeldung (NCR) auslösen. Nicht automatisch ist die Eskalation, wenn eine Fehlerklasse einen Trend zeigt; legen Sie Entscheidungsweg und Eskalation daher fest, bevor die Kamera montiert wird.