Entdecken Sie bei Ihren Bauteilen qualitative Auffälligkeiten aller Art. Beispielsweise Kratzer auf schwierigen oder texturierten Hintergründen, eine fehlerhafte Montage oder Webfehler in Textilien. Unsere HMV-Technologien identifizieren diese und viele andere Auffälligkeiten auf Basis eines Erwartungsbilds, das anhand des zulässigen Erscheinungsbildes inklusive tolerierter Toleranzen eines Objektes gelernt wird.

Entdecken und identifizieren Sie einzelne oder mehrere Merkmale in einem Bild. Beispielsweise sehr stark deformierte Zeichen auf verrauschtem Hintergrund oder komplexe Objekte in Schüttgut. Unsere HMV-Technologien lokalisieren und identifizieren komplexe Merkmale und Objekte, indem es von beschrifteten Bildern lernt, auf denen die Zielmerkmale markiert sind.

Klassifizieren Sie Objekte oder eine komplette Szene. Identifizieren Sie beispielsweise Objekte aufgrund ihres Aussehens oder ihrer Verpackung. Oder klassifizieren Sie akzeptable und nicht akzeptable Fehler. Unsere HMV-Technologien lernen die verschiedenen Klassen anhand von beschrifteten Bildern zuverlässig zu unterscheiden.

Aufgabenstellungen und Herausforderungen bei der Inspektion von bearbeiteten Werkstücken

• Typischerweise gibt es viele verschiedene Typen mit komplexen Formen und Ausprägungen
• Unterschiedliche Oberflächen und Oberflächeneigenschaften, abhängig von Werkzeugqualität und Qualität der Weiterverarbeitung, müssen toleriert werden
• Manche Fehler sind nur sichtbar unter sehr speziellen Kombinationen von Beleuchtungs-, Kamera- und Prüflingsorientierung

Schrauben

Inspektion von Qualitätsmängeln (Kratzer, Kerben, Druckstellen, Flecken)

Zur Inspektion dieser Art von Schrauben werden diese um die horizontale Achse gedreht. Die Bilder werden aufgenommen und direkt im HMV-System verarbeitet. Das für die Verarbeitung und Bewertung zugrunde liegende Modell basiert auf einer repräsentativen Auswahl von Bildern ohne Fehler, aber mit der zulässigen Fertigungsstreuung.

Das Modell berücksichtigt akzeptable Varianzen der Oberflächentextur sowie die sehr komplexe Form der selbstschneidenden Schraube.

Nach dem Training ist das System bereit für die Prüfung. Fehler auf den Prüflingen können sehr schnell und sicher identifiziert und markiert werden.

Hartmetallwerkzeuge

Inspektion von Verschleiß, Beschädigungen oder Bruch (Ausbrüche)

Zur Inspektion von Hartmetallwerkzeugen werden diese um die horizontale Achse gedreht. Die Bilder werden aufgenommen und direkt im HMV-System verarbeitet und bewertet. Das für die Verarbeitung und Bewertung zugrunde liegende Modell basiert auf Bildern von i.O.-Mustern. Das Modell berücksichtigt akzeptable Varianzen der Oberflächentextur sowie die sehr komplexe Form des Werkzeuges.

Nach dem Training ist das System bereit für die Prüfung. Fehler auf den Prüflingen können sehr schnell und sicher identifiziert und markiert werden. Da das Modell auf Basis von "Gut- Mustern“ trainiert wird, werden auch unbekannte (neue) Fehler erkannt.

Aufgabenstellungen und Herausforderungen bei der Inspektion von Tampondrucken

• Mehrere, nacheinander aufgebrachte Drucke können zu relativen, aber akzeptablen Verschiebungen führen (Registrationsproblem)
• Variierende Tintenmengen resultieren in Zeichen oder Linien, die dicker bzw. dünner erscheinen
• Zufällige Texturen des Trägermaterials (z. B. gebürstete oder anderweitig texturierte Metalloberflächen)

Zifferblätter

Inspektion der Qualität des Drucks (fehlerhaft, unvollständig)

Zur Inspektion von Zifferblättern werden Bilder aufgenommen und direkt im HMV-System verarbeitet. Das für die Verarbeitung und Bewertung zugrunde liegende Modell basiert auf einer repräsentativen Auswahl von Bildern von i.O.-Mustern.

Das Modell berücksichtigt akzeptable Varianzen des Drucks oder der Oberflächentextur so, wie sie in der Auswahl der i.O.-Muster vorkommen.

Nach dem Training ist das System bereit für die Prüfung. Fehler werden schnell und sicher identifiziert und markiert.

Taster

Inspektion der Qualität des Drucks (fehlerhaft, unvollständig)

Zur Inspektion von Tastern werden Bilder aufgenommen und direkt im System verarbeitet. Das für die Verarbeitung und Bewertung zugrunde liegende Modell basiert auf einer repräsentativen Auswahl von Bildern von i.O.-Mustern.

Das Modell berücksichtigt akzeptable Varianzen des Drucks oder der Oberflächentextur. Nach dem Training ist das System bereit für die Prüfung. Fehler werden schnell und sicher identifiziert und markiert.

Aufgabenstellungen und Herausforderungen bei der automatischen Inspektion von Elektrolumineszenz-Bildern

• Sehr große Streuung der Lumineszenz von Zelle zu Zelle oder von Modul zu Modul ist technisch erwartet und toleriert
• Fehler wie z. B. Micro-Cracks können sehr fein sein und sind auf dem höchst unregelmäßigen Hintergrund nur schwer wahrzunehmen
• Es kann eine hohe Anzahl  unterschiedlicher Fehler auftreten. Dies macht es unmöglich, einen einfachen und robusten Algorithmus zu entwickeln, die Fehler zuverlässig zu entdecken und gleichzeitig den Anteil an Pseudofehlern gering zu halten

Solarzellen

Automatische Inspektion von Solarzellen anhand von Elektrolumineszenz-Bildern (z.B. Micro-Cracks)

Zur Inspektion von Solarzellen werden Elektrolumineszenz-Bilder aufgenommen und direkt im System verarbeitet. Das für die Verarbeitung zugrunde liegende Modell basiert auf einer repräsentativen Auswahl von Bildern ohne Fehler sowie auf gekennzeichneten Bildern mit Fehlern.

Aufgrund des sehr stark strukturierten bzw. texturierten Hintergrundes lassen sich Micro-Cracks am schwierigsten entdecken. Das Modell lernt, Micro-Cracks sowie andere Fehler von ähnlich erscheinenden Strukturen des Hintergrundes zu unterscheiden.

Nach dem Training ist das System bereit für die Prüfung. Fehler auf den Zellen können sehr schnell und sicher identifiziert und markiert werden.

Aufgabenstellungen und Herausforderungen bei der Inspektion von Stoffen / Geweben / Textilien

• Hochkomplexe Stoffmuster und eine Vielzahl an Muster-Varianten. Damit sind einfache Methoden für die Inspektion ausgeschlossen.
• Extrem stark variierendes optisches Erscheinungsbild. Verformungen durch die flexible Struktur des Stoffes oder auch andere Variationen, z. B. der Garndurchmesser, beeinflussen das Erscheinungsbild des Stoffes.
• Fehler in Textilien können in unzähligen Formen und Typen ausgeprägt sein. Die Suche nach allen Fehlern stellt keine wirtschaftliche Option dar.

Textilien

Zur Inspektion von Textilien werden Bilder aufgenommen und direkt im System verarbeitet. Das für die Verarbeitung zugrunde liegende Modell basiert auf einer repräsentativen Auswahl an Bildern von Gut-Mustern. Diese repräsentieren Webmuster, Garneigenschaften, Farbausprägungen und tolerierte Unzulänglichkeiten. Das Modell lernt, Fehler von ähnlich erscheinenden Strukturen der Textilien zu unterscheiden.

Nach dem Training ist das System bereit für die Prüfung. Fehler auf den Textilien können sehr schnell und sicher identifiziert und markiert werden.

Aufgabenstellungen und Herausforderungen bei der Inspektion texturierter Oberflächen

• Texturierungen von Oberflächen gibt es in sehr vielen Typen und Varianten auf unterschiedlichsten Materialien
• Produktionsprozesse sind so ausgelegt, dass zufällige Ausprägungen entstehen, was jedes Teil einzigartig macht
• Fehler können in unzähligen Ausprägungen auftauchen, die sich nicht nur durch eine lokale Änderung des Kontrasts, sondern auch eine lokale Änderung der Textur zeigen

Texturierte Oberflächen

Inspektion von texturierten Oberflächen (Kratzer, Schläge, Druckstellen, nicht tolerable Beschädigungen)

Zur Inspektion von texturierten Oberflächen werden Bilder aufgenommen und direkt im System verarbeitet. Das für die Verarbeitung und Bewertung zugrunde liegende Modell basiert auf einer repräsentativen Auswahl von Bildern ohne Fehler sowie auf gekennzeichneten Bildern mit  Fehlern. Das Modell lernt, Fehler von ähnlich erscheinenden Strukturen der Oberflächen zu unterscheiden.

Nach dem Training ist das System bereit für die Prüfung. Fehler auf den texturierten Oberflächen können sehr schnell und sicher identifiziert und markiert werden.