Die Herausforderung: Optische Prüfung sicherheitsrelevanter Bauteile
Bremskerl ist Spezialist für Reibmaterialien. Durch die natürlichen Rohstoffe in den Werkstoffmischungen treten bei der Herstellung von Bremsbelägen gelegentlich optische Abweichungen auf, die die technische Funktion zwar in der Regel nicht beeinflussen, jedoch das äußere Erscheinungsbild verändern können. Da die visuelle Qualität ein wichtiger Faktor für das Vertrauen der Kunden ist, stellt sich in der Qualitätssicherung die zentrale Frage: Wann weicht ein Produkt visuell so stark von der Spezifikation ab, dass es beanstandet werden muss?
Die Lösung: KI-gestützte Bildverarbeitung in der Fertigung
Im Rahmen einer Machbarkeitsstudie entwickelten die Projektpartner einen Testaufbau mit einem kompakten Kamerasystem und Embedded-Hardware von Nvidia. Ziel war es, zwei verschiedene Fehlerarten automatisiert zu detektieren:
• Optische Abweichungen → erkannt durch ein Segmentierungsmodell
• Einschlüsse im Material (technisch relevant) → erkannt durch ein Objekterkennungsmodell
Das Ergebnis: Hohe Erkennungsraten bei kurzer Rechenzeit
Die eingesetzten YOLO-Modelle überzeugten durch folgende Resultate:
• 83,5 % Genauigkeit bei der Erkennung von Einschlüssen
• 74,8 % Genauigkeit bei der Erkennung optischer Abweichungen
• Verarbeitungsgeschwindigkeit: unter einer Sekunde pro Bild
Gerade bei komplexen Verbundwerkstoffen mit variierendem Erscheinungsbild zeigt sich die Stärke von KI-gestützten Verfahren. Diese Technologien bieten ein vielversprechendes Werkzeug zur automatisierten Bewertung von Oberflächenmerkmalen.
Datengestützte Entwicklung – Grundlage für die Praxis
Für die Modellentwicklung wurden initiale Bilddatensätze erstellt und in Trainings-, Validierungs- und Testdaten aufgeteilt. Die trainierten KI-Modelle zeigten auch bei bislang unbekannten Bauteilen eine robuste Leistung – ein wichtiger Schritt in Richtung industrieller Umsetzung.
Fazit: KI als Zukunftstechnologie der Qualitätssicherung
Die Ergebnisse der Studie zeigen deutlich: KI kann in der visuellen Qualitätskontrolle einen objektiven, effizienten und skalierbaren Beitrag leisten. Insbesondere bei sich wiederholenden Prüfaufgaben bietet der Einsatz von KI eine Entlastung für Fachpersonal und ermöglicht eine höhere Objektivität in der Produktbewertung. Damit leistet das Projekt unter Leitung des IFW einen wichtigen Beitrag zur digitalen Transformation in der mittelständischen Produktion.
