Wie Kontron seine visuelle Qualitätskontrolle mit KI revolutioniert

Künstliche Intelligenz (KI) und Machine Vision können einen wesentlichen Beitrag leisten, um die Produktqualität im Fertigungsumfeld zu erhöhen. Die Vorteile von KI hat Kontron nicht nur in Kundenprojekten in die Praxis umgesetzt, sondern nutzt sie jetzt auch in der eigenen visuellen Qualitätsinspektion.

Die Qualitätssicherung ist in der diskreten Fertigung gerade dort aufwendig, wo es wie bei Kontron auch um Kleinserien und eine große Variantenvielfalt geht. Machine Vision und Künstliche Intelligenz spielen gerade hier eine immer wichtigere Rolle, um die Produktkonsistenz und -qualität zu verbessern. KI-basierte Objekterkennungssysteme können winzige Unvollkommenheiten und Unstimmigkeiten erkennen, die bei einer menschlichen Inspektion kaum zu identifizieren wären. Anders als das menschliche Auge ermüden Kameras auch nicht – das trägt nicht zuletzt zu einer geringeren Fehlerrate bei. 

Hochkomplexe Qualitätsprüfung automatisieren

Kontron-Kunden bestellen maßgeschneiderte Systeme mit spezifischen Ports und Steckverbindern, oft geht es um optionale Funktionen und eine individuelle mechanische Konfiguration. Um sicherzustellen, dass die Systeme richtig konfiguriert und zusammengebaut wurden, muss jedes Produkt mit seiner Spezifikation verglichen werden – eine zeit- und damit kostenintensive Aufgabe, an der die KI-Lösung ansetzen sollte.

In Zusammenarbeit mit Intel® entstand eine visuelle KI-basierte Inspektionslösung auf Basis von Intel® Edge Insights for Industrial (EII), die auf der OpenVINO™-Entwicklungsarchitektur läuft. Für die Lösung sprach, dass die vorhandenen PCs mit Intel® Core™ Prozessoren der 11. Generation ohne zusätzliche Spezial-Hardware – etwa diskrete Grafikprozessoren oder Acceleratoren – weiter verwendet werden konnten. Für die Umsetzung war ein enger Zeitrahmen gesteckt, in dem der laufende Produktionsprozess nicht unterbrochen werden durfte. Intel® EII und das OpenVINO™-Toolkit haben dafür die entscheidenden Funktionen mitgebracht.

Nah am Edge für mehr Effizienz

Für mehr Geschwindigkeit und Kosteneffizienz finden die aufwendigen Rechenprozesse direkt am Edge nah an der Datenquelle statt. Die Videodaten-Erfassung, -Speicherung und -Analyse wurden deshalb in einem einzigen Softwarepaket abgewickelt. Um das Modell zu trainieren, nahmen sechs installierte Kameras die Streaming-Bilddaten des Inspektionsbereiches aus verschiedenen Blickwinkeln auf. So entstand ein mehrdimensionaler Blick auf jedes Produkt.

Ein überraschendes Ergebnis lieferte der Test mit handelsüblichen USB-Videokameras für den Consumer-Markt. Zunächst sollten teure, spezialisierte High-End-Kameras und zusätzliche Hardware für die Bilderkennung eingesetzt werden. Die USB-Kameras lieferten aber – vermutlich aufgrund der Autofokus-Funktion – schärfere Bilder mit besserer Detailauflösung, zudem fiel die Vernetzung deutlich leichter: Ein echter Benefit für das Projekt.

Augmentierung hilft bei der Objekterkennung

Je mehr gelabelte Vergleichsbilder für einen KI-Algorithmus zur Verfügung stehen, desto besser sind erfahrungsgemäß die Ergebnisse. Deshalb lag ein Fokus darauf, möglichst viele zusätzliche Bilder zu erzeugen, um die Genauigkeit der Objekterkennung zu erhöhen. Dafür wurden Techniken wie Augmentierung genutzt, z.B. das Drehen der Bilder um einige Grad, die Verwendung unterschiedlicher Helligkeitswerte, Beschneiden, Auffüllen und Spiegelungstechniken.

Mit mehr als 12.000 verschiedenen Bildern und über 30 beschrifteten Objekten wurde der Algorithmus trainiert, der jetzt in Echtzeit die aktuell aufgenommen Bilder mit dem Gelernten abgleicht und die Qualität bewertet. Zudem stand das Experimentieren mit Lernmodellen und -methoden auf dem Plan, die das Intel® OpenVINO™ Model Zoo bietet, wie etwa Transfer Learning. So wurden gute Erfahrungen mit der leichten Adaption des Algorithmus für vergleichbare Bauteile, wie unterschiedliche Schrauben gemacht. Auch künftig wird die Lösung durch neue Trainingsdaten flexibel an neue Produkte anpassbar sein.

Die neue Inspektionslösung hat sehr zügig greifbare Vorteile erzielt. Das Projekt hat gezeigt, dass es mit Hilfe von KI-Technologie und einem relativ einfachen Setup möglich ist, die visuelle Qualitätssicherung in der Kleinserienfertigung kostengünstig und schnell zu automatisieren.

Erfahren Sie mehr über die Kontron Gruppe unter: https://www.kontron.com/de