Intelligente Qualitätssicherung im industriellen Produktionsprozess unter Verwendung von KI-Algorithmen

In diesem Beitrag werden intelligente Qualitätssicherungslösungen für die automatisierte Erkennung verschiedener Fehlerklassen im industriellen Fertigungsprozess auf Basis optischer Bilderfassung, intelligenter digitaler Bildverarbeitung sowie Verfahren der Künstlichen Intelligenz vorgestellt. Hierbei werden schnelle automatisierte QS-Lösungen, sowohl für den Kunststoffspritzguss von Bauteilen im Automobilbau auf der Basis Robotik-assistierter Farbbildaufnahmen, als auch für die Metalloberflächenanalyse im Fräsbearbeitungsprozess auf der Basis von Farbbildern, aufgezeigt.
Für beide QS-Lösungen ist die Realisierung einer angepassten Bildverarbeitungs- und Mustererkennungskette sowie angepasster leistungsfähiger Algorithmen der Künstlichen Intelligenz (KI) mit hoher Generalisierungs- und Abstraktionsfähigkeit auf Basis gewonnener Bildinformationen essentiell. Die wesentlichen Voraussetzungen und Schritte zur Lösung der beiden QS-Aufgaben werden vorgestellt und die verschiedenen Aspekte einer angepassten Bilderfassung, eines KI-Klassifikationsroutinen-Designs sowie der Validierung der Klassifikationsleistung und mögliches Optimierungspotential durch eine ressourcenschonende und effiziente Datennutzung unter künstlicher Datenaugmentierung unterrepräsentierter Klassen beleuchtet. Eine mögliche Performance-Steigerung von vortrainierten Deep-Learning-Modellen wird sowohl für die synthetische Bilddatensatzerweiterung unter Verwendung von klassischen Bildverarbeitungsmethoden als auch für die innovative Bilddatensatzerweiterung unter Verwendung von Generative Adversarial Networks (GANs) für die beiden gewählten QS-Applikationen aufgezeigt.