Qualitätskontrolle von Maßen und Oberflächen mittels KI

Kunststoffe, metallische Leicht­bau­werk­stoffe und auch tech­nische Kera­miken fin­den im Maschinen­bau und in der Automobilbranche immer stär­kere Anwendung. Die Sichtflächen so­wie die Funktions­oberflächen müs­sen strengen qualitativen und op­tisch­en Anforderungen genügen.

Die hohe Detailauflösung führt zu einem kleinen Sichtfeld und damit zur Notwendigkeit, große Flächen in mehr­eren Teilen aufzunehmen, wel­che später zu einem Gesamtdatensatz zusam­mengefasst werden. Aus diesem Gesamt­bild sind geometrische Merk­male zu bestimmen und diese mit den Solldaten zu vergleichen. Der gesamte Ablauf muss zeitoptimiert ausgeführt werden, da das Ziel darin besteht, das System direkt in der Fertigungslinie (inline) einzusetzen und damit der Fertigungstakt die Anforderung an die Messzeit vorgibt. Insbesondere die Er­zeugung von Datensätzen sowie der algo­rith­mische Vergleich von geo­me­trisch­en Ist-Daten mit den Sollwerten stellt aufgrund der hohen Datenmenge und der kurzen Taktzeit (mehrere Teile pro Sekunde) eine große Her­aus­for­derung dar.

Die wesentlichen Schritte zur Umsetzung der Quali­täts­sicherungs­aufgabe bestanden in der Entwicklung einer angepassten Bilderfassung, eines Klassifikators basierend auf Deep- Learning-Verfahren (sogenannten Con­vo­lu­­tio­nal-Neural-Networks) sowie der Validierung des Gesamtsystems im Fertigungsumfeld. Im Ergebnis des Thüringer Verbundprojektes wurde erstmalig ein fertigungsintegrierbares und flexibles Verfahren vorgestellt, das sowohl eine objektive Sichtprüfung als auch eine präzise Maß­haltig­keits­prü­fung an Kunststoffbauteilen in einem einzigen System realisiert.

Durch einen Knickarmroboter der Firma Kuka wird das Bauteil direkt aus der Spritz­gieß­maschine entnommen, unter eine speziell entwickelte Bildverarbeitungsstation gehalten, in mehreren Ansichten auf Fehler geprüft, vermessen und bei Fehlern direkt aussortiert. Für die schwarzen LED-Gehäuse sowie für die roten Reflek­torbauteile konnte eine Er­kennungs­rate zwischen 95 und 100 Prozent in Ab­häng­ig­keit der zu erkennenden Defektklasse erreicht werden.