Fehler passieren – selbst bei noch so sorgfältiger Herstellung von Produkten. Für einen erfolgreichen Absatz gilt es diese vor Auslieferung zu erkennen, auszusortieren und gegebenenfalls zu reparieren. Dafür gibt es die optische Qualitätsprüfung als Teil des Produktionsprozesses. Abweichungen können in diesem Schritt erkannt, bewertet und je nach Schweregrad entfernt werden. Der Einsatz von KI hat die optische Prüfung in den letzten Jahren revolutioniert. Der Grund dafür ist, dass die neuen Werkzeuge viele neue Möglichkeiten bieten und dabei sehr effizient arbeiten sowie einfach zu bedienen sind.
Optische Qualitätsprüfung: Jedes Detail zählt
Die optische Qualitätskontrolle bezeichnet verschiedenste Prüfverfahren zur Qualitätssicherung von Erzeugnissen der Produktion. Damit wird die Quantität von Bauteilen, aber auch deren Abmessung, die Qualität eventueller Beschriftungen oder auch die Oberflächenbeschaffenheit eines Produkts bestimmt.
Das Thema optische Qualitätsprüfung ist aber keineswegs eine neue Erscheinung. Bereits seit über 20 Jahren werden Bildverarbeitungssysteme in der Industrie eingesetzt, um potenzielle Missstände an einem Produkt zu erkennen. Grund dafür: In vielen Branchen ist eine nur sehr geringe Fehlertoleranz gestattet. Zwei fehlerhafte Produkte in einer Lieferung können bereits zur Folge haben, dass die komplette Palette zurückgeschickt wird. Die Nachbearbeitung kostet Zeit – aber vor allem auch Geld.
Ein nicht unwesentlicher Punkt der Qualitätssicherung sind auch Lieferantenbewertungen. Fehlerhafte Lieferungen können den Verlust des Status als bevorzugten Zulieferer nach sich ziehen. Daher ist es nicht unüblich, dass eine optische Qualitätsprüfung vor der Lieferung vorausgesetzt wird. Die Einsatzgebiete sind vielfältig und häufig in der Automobilzulieferindustrie, im Maschinenbau oder auch in der Medizintechnik sowie in der Lebensmittelindustrie zu finden.
Mensch vs. Maschine
Noch trifft bei der optischen Qualitätskontrolle meist der Mensch die Entscheidungen. Doch gibt es bereits Maschine-Vision-Technologien, die Fehler zuverlässiger erkennen als das menschliche Auge. Diese optische Prüfung mithilfe einer Kamera hat vor allem einen Vorteil: Eine Maschine kann, anders als ein Mensch, nicht ermüden. In der klassischen Qualitätsprüfung durch speziell geschulte Mitarbeiter kann es leicht zu einer veränderten Bewertung aufgrund von Erschöpfung kommen – d. h. ein Produkt, das vormittags noch als fehlerhaft eingestuft wurde, könnte vom gleichen Mitarbeiter, aufgrund von äußeren Einflüssen, am Nachmittag als ausreichend klassifiziert werden. Das kann bei der optischen Prüfung mit einer Kamera nicht passieren – die Bewertung erfolgt immer gleich und zu jedem Zeitpunkt unter denselben Umständen. Ein Mensch kann sich auch nur zeitlich begrenzt konzentrieren – die durchschnittliche Aufmerksamkeitsspanne liegt hier bei gerade einmal 15 Minuten. Dadurch dass die Kamera rund um die Uhr einsatzbereit ist, spart eine optische Prüfung damit vor allem Zeit und Ressourcen.
Optische Prüfung revolutioniert
Die optische Bildverarbeitung beruht auf einer optischen Auswertung. So lassen sich sehr schnell und berührungslos viele Merkmale gleichzeitig bestimmen, die zu einer Qualitätsbeurteilung oder Weiterverarbeitung der Ergebnisse dienen können.
Bei einer optischen Prüfung mit Kamera wird zu Beginn das zu analysierende Produkt lokalisiert. Anschließend wird anhand von Pixeln ein potenzieller Fehler erkannt. Vor allem offensichtliche Fehler, wie eine falsche Anzahl beim Inhalt einer Packung oder leichte Ausbrüche im Aussehen, können anschließend automatisiert erkannt werden. Da die Überprüfung optisch, das heißt ohne Berührung, stattfindet, besteht auch keine zusätzliche Gefahr, dass Oberflächen beschädigt werden. Mit Hilfe von KI geht die optische Prüfung noch einen Schritt weiter und es können, anders als bei der klassischen Bildverarbeitung, unterschiedlichste Fehlertypen auf komplexen Oberflächen erkannt werden.
Bildverarbeitung mit Deep-Learning-Frameworks
Der vermehrte Einsatz von Künstlicher Intelligenz in der optischen Bildverarbeitung hat die Qualitätsprüfung in den letzten Jahren revolutioniert. Die modular strukturierte Lösung arbeitet mit aktuellen Deep-Learning-Frameworks und ist in der Lage bereits anhand kleiner Datensätze zu lernen. Das ermöglicht die kontrollierte Adaption verschiedenster Erkennungsmodelle.
Bevor die Künstliche Intelligenz also in einem Produktionsschritt zum Einsatz kommen kann, muss sie dementsprechend mit Hilfe spezieller Deep-Learning-Mechanismen trainiert werden. Dieses Training erfolgt je nach Produkt, ganz individuell. Es werden einige Bilder von fehlerhaften sowie optimalen Produkten hochgeladen und einzeln bewertet. Die Anzahl der benötigten Bilder ist ebenfalls produktabhängig. Oftmals werden jedoch schon mit 30 Bildern sehr gute Ergebnisse erzielt. Der Algorithmus der KI lernt anschließend anhand dieser Bilder selbständig die Merkmale eines Fehlers zu erkennen. Nachdem es gerade bei Grenzfällen zu unterschiedlichen Einschätzungen der Mitarbeiter der Qualitätssicherung kommt, sollte das Klassifizieren des Bildmaterials nur durch einen Mitarbeiter durchgeführt werden. Unstimmigkeiten am Trainingsmaterial würden sich negativ auf die Funktionsweise des Algorithmus auswirken. Nur so kann die KI einen Fehler an einem Produkt auch zweifellos erkennen. KI-Lösungen führen daher in der Regel zu deutlich weniger falschen Fehlermeldungen.
Es gibt also viele gute Gründe für den Einsatz KI-basierter Systeme zur optischen Qualitätsprüfung. Typische Applikationen sind beispielsweise das Überprüfen spezieller Muster, Lesen von beschädigten, verformten oder kontrastarmen Zeichen, das Klassifizieren von Produkten oder die Anwesenheitsprüfung von schwer erkennbaren Bauteilen bzw. Produkten. Aber auch unkonventionelle Anwendungsbereiche wie die Bestimmung des Reifegrades eines Apfels sind mittlerweile mit Hilfe von KI möglich und ebnen so den Weg zur nächsten Stufe der Qualitätskontrolle.
