Fraunhofer-Gesellschaft | KI-Fortschrittszentrum »Lernende Systeme und Kognitive Robotik«Quick Check
Ausgangssituation
Im heutigen Wicklungsfertigungsprozess befinden sich bereits traditionelle optische Kontrollsysteme. Diese sind meist beschränkt auf technische Fehlerkataloge, die nur unzureichend algorithmisch umsetzbar sind. Zudem können die Wicklungen ohne weitere Automatisierung nicht vollständig geprüft werden. Daher ist eine manuelle optische End-of-Line-Prüfung erforderlich. Diese verhindert eine weitergehende Automatisierung der Wickellinie.
Lösungsidee
In einem ersten Ansatz werden Bilder von Wicklungen untersucht, die erhöhte Raten an nicht automatisch erkennbaren Fehlern sowie an Pseudofehlern aufweisen. Gelingt es an solchen Datensätzen mit Hilfe von Verfahren des Maschinellen Lernens bislang nicht erkennbare Fehler zu erlernen bzw. Pseudofehler als Gutteile zu erkennen, so ist ein Potenzial für eine deutliche Verbesserung des Prüfprozesses bereits auf der bestehenden Datenlage vorhanden. Durch geeignete Vorverarbeitung der Bildausschnitte und Vorsortierung entsprechend der Position im Gesamtbild lässt sich eine erhebliche Verbesserung der Klassifizierung erreichen.
