Autonomous Machine Vision im Selbstversuch

Autonomous Machine Vision im Selbstversuch
Visuelle Inspektion in der Teilefertigung ist teuer, kompliziert und fehleranfällig - so der allgemeine Konsens. Inspekto aus Heilbronn hat es sich zur Aufgabe gemacht, dies zu ändern und verspricht ein Plug&Play-System, das in kürzester Zeit und mit geringem Installationsaufwand zuverlässige Ergebnisse liefert. Die inVISION hat dies im Selbstversuch getestet.
Bild 1 | Nach kurzer Einführung kann der technisch unbeflissene Redakteur das Vision-System selbstständig kalibrieren.
Bild 1 | Nach kurzer Einführung kann der technisch unbeflissene Redakteur das Vision-System selbstständig kalibrieren.Bild: TeDo Verlag GmbH

Das Autonomous-Machine-Vision-System Inspekto S70 des deutschen Herstellers mit israelischer DNA soll eigenständig funktionieren, sich selbst einrichten, autonom anpassen und selbstständig lernen. Zu diesem Zweck nutzt es mehrere KI-Module gleichzeitig und kann so die Gesamtfehlerkosten reduzieren. Das S70 kann sogar seine eigenen Einstellungen an Umgebungsveränderungen anpassen, wie z.B. bei Beleuchtung, Handling-Methoden und Vibrationen. Für die Konfiguration sind lediglich 20 bis 30 einwandfreie Muster erforderlich. Außerdem ist das Gerät in der Lage, mehrere Produkte oder verschiedene Modelle des gleichen Produkts am selben Inspektionsstandort zu untersuchen.

Der Versuchsaufbau

Um sicher zu stellen, dass es sich hierbei nicht nur um Werbeversprechungen handelt, hat Inspekto zwei Redakteure des Fachmagazins inVISION in die Innovationsfabrik Heilbronn eingeladen, um das System selbst in Betrieb zu nehmen und auf seine Plug&Play-Fähigkeit zu testen. Der Versuchsaufbau war denkbar einfach: ein Konferenztisch, ein handelsüblicher Laptop mit externem Monitor und natürlich das Bildverarbeitungssystem selbst. Nach kurzer Einweisung durch einen Techniker konnte der Selbstversuch beginnen. Das zufällig ausgewählte Bauteil wird über ein grafisches Interface in das System eingelesen. Per einfachem Mausklick können hierbei die zu überprüfenden Parameter definiert oder bestimmte Bereiche ausgeklammert werden. Darüber hinaus können auch spezielle Points of Interest markiert werden, die einer besonders gründlichen Inspektion bedürfen – und tatsächlich: All dies war für den Redakteur, der kein ingenieurwissenschaftliches Studium genossen hat, per simplem Point&Click problemlos möglich.

Bild 2 | In diesem Test wurde zielsicher ein besonders undankbares Testobjekt ausgewählt - schwarz, klein und kompliziert aufgebaut.
Bild 2 | In diesem Test wurde zielsicher ein besonders undankbares Testobjekt ausgewählt – schwarz, klein und kompliziert aufgebaut.Bild: TeDo Verlag GmbH

Plug&Play

Nach dem erfolgreichen Einlesen tat die künstliche Intelligenz des Inspekto S70 autonom seinen Dienst. Dem System wurden circa 20 bis 25 Muster des Werkstücks präsentiert um die Objekteigenschaften zu erlernen. Auch der Umstand, dass zielsicher ein besonders schwer zu überprüfendes Werkstück ausgewählt wurde – schwarz, quadratisch, klein – stellte das System vor keine größeren Hindernisse. Nach Beendigung dieses Vorgangs, der inklusive Einrichten des Testmusters circa 20 Minuten dauerte, konnten dem S70 bereits mehrere Vergleichsstücke vorgelegt werden. Trotz denkbar schlechter Lichtverhältnisse im Konferenzraum der zu einem Hub für Startups umgewandelten ehemaligen Maschinenfabrik konnte das Vision-System zuverlässig kleine Fehler in den Vergleichsstücken erkennen und auf dem Display gut sichtbar markieren. Ein durchaus überzeugendes Ergebnis.

In the course of calibration, points of interest are defined or ranges are excluded.
Bild 3 | Im Zuge der Kalibrierung werden Points of Interest festgelegt oder Bereiche ausgeschloßen. – Bild: TeDo Verlag GmbH

Mission erfolgreich

Autonomous Machine Vision – mit dem S70 scheint das Plug&Play-fähige Inspektionssystem tatsächlich Realität zu werden. So ist es auch nicht verwunderlich, dass das junge Startup – die erste öffentliche Präsentation des Systems geschah auf der Vision 2018 – bereits jetzt eine beachtliche Liste von Partnern und Unterstützern aus vielen Industriebereichen vorweisen kann, darunter Bosch, BSH, Daimler, Mahle, Schneider Electric und BMW. Nicht verwunderlich, das Harel Boren, CEO von Inspekto, selbstbewusst erklärt: „Die Vorteile des S70 sind sogar dermaßen überzeugend, dass bisher noch jedes Unternehmen nach einer Live-Demonstration in seiner Fertigungsanlage eine Bestellung aufgegeben hat.“ Ähnlich überzeugend prangt es daher auch auf der Verpackung des Vision-Systems, die alles beinhaltet, was für die Installation vor Ort nötig ist: Our mission and passion is to make QA professionals love their jobs.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige