Oberflächenqualität im Detail
Individuelle Beleuchtung, Kameramodule und ein trainiertes Bildverarbeitungsmodell zur Prüfung von Fahrzeuglackierungen.
Ein Projekt aus dem veröffentlichten Portfolio von peoly.
- 01Kontrollierte Beleuchtung
- 02Kameraaufnahme
- 03Fehlerklassifikation
Die Herausforderung: schwer sichtbare Fehler
Ein Automobilhersteller wollte die Prüfung lackierter Bauteile automatisieren. Sehr kleine Oberflächenfehler sind schwer zu erkennen, besonders wenn die Beleuchtung das zu prüfende Merkmal nicht sichtbar macht.
Bild und Modell gemeinsam entwickeln
peoly kombinierte speziell entwickelte Beleuchtung und Kameramodule mit intern trainierten faltungsbasierten neuronalen Netzen. Der Aufnahmeaufbau war ein wesentlicher Teil der Lösung: Er machte die relevanten Oberflächenmerkmale vor der Klassifikation sichtbar.
Die veröffentlichte Arbeit behandelte mehrere Arten von Lackfehlern. Das ursprüngliche Beispiel zeigt die Beleuchtungsanordnung an fehlerhaft lackierten Autotürgriffen. Das Portfolio beschreibt auch Vorbereitungen für lokale und Cloud-Bereitstellung.
Was dieser Ansatz zeigt
Das Projekt verbindet optisches Design und maschinelles Lernen in derselben Prüfaufgabe. Ein brauchbares Bild ist der Ausgangspunkt; das Modell interpretiert anschließend Merkmale der vereinbarten Fehlerkategorien.
Ein neues Prüfprojekt beginnt mit dem Bauteil, seiner Oberfläche, den gesuchten Fehlern und den Betriebsbedingungen. Diese Angaben bestimmen den Aufbau der Bildaufnahme und die Nachweise, die zur Bewertung des Modells für diesen Produktionsprozess nötig sind.
Eine ähnliche Herausforderung in Ihrem Betrieb?
Beschreiben Sie Ihre Daten, Geräte und den Arbeitsablauf, den Sie verbessern möchten.