Anomalie-Detektion : Qualitätskontrolle mit KI: Bitte ganz freundlich!

Spritzguss-Bauteile im Blitzlichtgewitter: Um die Qualitätskontrolle bei der Herstellung von Teilen für die Autoindustrie zu automatisieren, programmierte ein Team der FH Köln einen Roboter. Dieser platziert das jeweilige Bauteil in 16 unterschiedlichen Positionen vor einer Kamera zur anschließenden Anomalie-Detektion.

Der Hintergrund: Beim Spritzgießen entstehen Kunststoffprodukte, deren Oberflächen hohen optischen Ansprüchen genügen müssen. Für die Fehlersuche können Bildanalyseverfahren eingesetzt werden, diese müssen jedoch zeit- und kostenintensiv trainiert werden.

Lesetipp: Baubot setzt Roboter jetzt im Tunnelbau ein

Bislang war der KI-Einsatz in der Produktion daher nur eingeschränkt möglich. Um die Qualitätskontrolle zu verbessern und zu beschleunigen, entwickelten und erprobten die Forschenden gemeinsam mit zwei Industriepartnern eine automatisierte, kamerabasierte KI-Lösung.

„In der Kunststoffverarbeitung ist die schnelle Erkennung von Ausschuss von hohem Interesse – vor allem bei Bauteilen, die in großen Stückzahlen produziert werden“, erläutert Anja Richert vom Cologne Cobots Lab (CCL) der TH Köln. „Der Einsatz von Künstlicher Intelligenz ist aufgrund der Komplexität der Aufgabenstellung eine gewaltige Herausforderung. Er ist dennoch sinnvoll, da die manuelle Qualitätskontrolle zeitraubend und fehleranfällig ist.“

Das TH-Team programmierte einen Roboter für die kamerabasierte Automation. Mit einem Datensatz aus 1.600 Aufnahmen wurde anschließend eine Künstliche Intelligenz darauf trainiert, Abweichungen vom Sollbild eines mangelfreien Bauteils (Kratzer, Risse, fehlende Strukturen, Verformungen) zu erkennen.

Lesetipp: Fruitcore robotics präsentiert neuen Industrieroboter

„Die Anomalie-Detektion bietet im industriellen Kontext eine Reihe von Vorteilen gegenüber der konventionellen Fehlererkennung“, weiß der wissenschaftliche CCL-Mitarbeiter Nicolas Kaulen. „Perfekte Teile sind im Vergleich zu mangelhaften Teilen meist in wesentlich größerer Stückzahl verfügbar. Eine KI kann angelernt werden, Abweichungen zu erkennen. Das Ergebnis ist eine Art Anomalie-Heatmap.“

Die Treffergenauigkeit des derzeitigen Verfahrens beträgt 91 Prozent. In einem Folgeprojekt sollen die Genauigkeit für eine industrielle Serienfertigung verfeinert und das Verfahren auf weitere Anwendungen übertragen werden.