Virtuelle Inbetriebnahme von KI-basierten Kamerasystemen
Optische Systeme zur automatischen Qualitätskontrolle sind in vielen Branchen Standard. Diese Systeme reichen von einfachen Farbsensoren und Code-Lesegeräten bis hin zu komplexen 3D-Mehrkamera-Messsystemen. Meist kommen konventionelle Auswertealgorithmen zur Bildanalyse zum Einsatz. In den letzten Jahren haben sich jedoch auch künstlich intelligente Verfahren, insbesondere tiefe neuronale Netze (CNNs - Convolutional Neural Network), etabliert.
Diese Algorithmen benötigen jedoch zum Training eine ausreichend hohe Anzahl Bilder, sowohl von positiven als auch negativen Beispielen. Andernfalls besteht die Gefahr, dass KI-basierte Inspektionssysteme keine verlässlichen oder sogar falsche Prüfergebnisse liefern. Da zum Anlauf der Serienproduktion vornehmlich nur wenige Musterteile oder Prototypen vorhanden sind, fehlen bis dahin auch die Bilddaten, die für das Training der KI notwendig sind.
Die Lösung für dieses Problem lag in der Entwicklung eines Werkzeugs zur Erzeugung virtueller Bilddaten. Im Rahmen des "KI-Innovationswettbewerbs Baden-Württemberg" wurde das Projekt "SyDaVIS-AI" des Konsortiums, bestehend aus der Hochschule Karlsruhe – Technik und Wirtschaft, der VisionTools Bildanalyse Systeme GmbH (Waghäusel) und der Lensation GmbH (Karlsruhe), im Jahr 2020 mit einer Forschungsförderung des Landes Baden-Württemberg ausgezeichnet.
In der virtuellen Umgebung werden die Maschinenkomponenten, die zu prüfende Bauteile sowie Kameras und Beleuchtungen zu einem digitalen Zwilling zusammengeführt. Durch die Simulation von Kamera und Beleuchtung und Ihren spezifischen Parametern werden mithilfe der synthetischen Bildgenerierung virtuelle Kamerabilder erzeugt. Nicht nur virtuelle Positivbeispiele, auch Falsch- bzw. Fehlerbilder sind simulierbar, alles ohne ein einziges reales Werkstück. Seit kurzer Zeit haben diese Bilddaten ein solches Qualitätsniveau erreicht, dass diese nun auch zum Training von KI-Algorithmen einsetzbar sind.
Dank der Verwendung von synthetischen Daten im Training sind die Systeme jetzt in der Lage, bereits ab dem ersten produzierten Werkstück eine zuverlässige Qualitätsprüfung durchzuführen. Für viele Anwendungsbereiche werden jetzt valide Prüfergebnisse generiert, sobald die Serienproduktion oder die Fertigung von Kleinstserien beginnt.
Optische Prüfsysteme können somit von Anfang an effektiv eingesetzt werden, ohne dass es zu Verzögerungen oder fehlerhaften Ergebnissen kommt. Die virtuelle Inbetriebnahme mit anschließender Simulation und Erzeugung der Bilddaten stellt eine effiziente Lösung dar, um den Trainingsprozess der KI-Algorithmen zu beschleunigen und die Güte der optischen Prüfsysteme zu verbessern.
Diese neuen innovativen Technologien ermöglichen eine schnelle Integration der Prüfsysteme und tragen wesentlich dazu bei, die Produktionsprozesse zu optimieren und die Qualität der hergestellten Produkte sicherzustellen.