Haben Sie Fragen? +49 8677 409958-0

Applikationen

Applikationen

Das Lesen von Mindesthaltbarkeitsdaten auf Joghurtbechern ist für klassische Bildverarbeitungssysteme eine Herausforderung, da die Schrift auf gewölbtem Hintergrund oft verzerrt ist und in Größe und Kontrast variiert. Mithilfe von Deep Learning können Buchstaben und Ziffern bei unterschiedlichen Licht- und Hintergrundbedingungen zuverlässig gelesen werden.

Klassische Bildverarbeitung kommt insbesondere im Bereich der Oberflächeninspektion schnell an Grenzen. Mithilfe der Software Neuralzye® von senswork wurde jetzt eine KI-Inspektion von transparentem Bandmaterial umgesetzt, mit der die Erkennung von Blasen und Einschlüssen detektierbar ist.

Durch ein 360° Panorama-Endoskop wird die Innenseite eines Aluminiumkörpers auf Bearbeitungsriefen und Oberflächendefekte wie Lunker und Poren untersucht. Unser System prüft dabei zylindrisch innenliegende Flächen in mehreren Höhenabschnitten mittels Deep-Learning-Tools auf Unregelmäßigkeiten in der Oberfläche.

Schokolade ist mit einem regelbasierten Algorithmus schwer vollständig zu beschreiben, da keine zwei Pralinen identisch sind. Die einzelnen Pralinen haben eine hohe natürliche Varianz.

Die einzelnen Elemente eines Erste-Hilfe-Sets müssen durch eine transparente Verpackung identifiziert werden. Da die Verpackung Licht reflektiert, sind die einzelnen Bestandteile der Verpackung nur schwer zu erkennen. ViDi Check inspiziert das komplette Erste-Hilfe-Set und stellt fest, ob alle eintrainierten Merkmale vorhanden sind.

Das Variieren der Schrift- und Zeichengröße auf einem inhomogenen Hintergrund ist für herkömmliche OCR sehr schwierig. Mit einem robusten Trainingsset kann ViDi Read Buchstaben in einer Vielzahl von Licht- und Hintergrundbedingungen genau lesen.

Unterschiedliche Deckkraft und Blasen in der Flüssigkeit in der Getränkeflasche erzeugen einen sehr inkonsistenten Hintergrund. Die aufgedruckten Datums- und Chargencodes sind aus diesem Grund für gewöhnliche Bildverarbeitung schwer zu erkennen. ViDi Read kann Buchstaben bei zahlreichen Licht- und Hintergrundbedingungen genau lesen.

Unterschiedliche Flüssigkeiten erzeugen inkonsistente Hintergründe unter der transparenten Flasche. Kunststoffnähte und schwierige Reflexionswinkel stellen eine weitere Herausforderung dar. ViDi Read kann Buchstaben unter diversen Licht- und Hintergrundbedingungen genau lesen, auch wenn sie teilweise verborgen sind.

Eine inhomogene Topologie, unterschiedliche Schattierungen und die sich ändernde Form der Tortilla machen das Erkennen von Rissen oder Falten äußerst schwierig. ViDi Detect kann zwischen tolerierbaren Abweichungen und Fehlern unterscheiden, indem es an einem Referenzsatz von etwa 100 verschiedenen Tortilla-Beispielen trainiert.

Eine Platine für LEDs ist sehr komplex und kann eine Vielzahl von Fehlern enthalten. Das macht es schwierig, alle erforderlichen Merkmale eines Gut-Teils mit regelbasierter Bildverarbeitung zu beschreiben. ViDi Detect verwendet einen beispielbasierten Ansatz, um die gesamte Bandbreite der erforderlichen Leiterplattenmerkmale zu modellieren.

Die Transparenz von Glasfläschchen macht es schwierig, Bruch von Schmutz entlang der Vorder- oder Rückseite zu unterscheiden. Mit der regelbasierten Bildverarbeitung stößt man hier an seine Grenzen. ViDi Detect kann die Variation natürlicher Teile von Anomalien genau unterscheiden, indem es an einem Referenzsatz von Gut-Teilen bei variablen Lichtverhältnissen und Schmutzmengen trainiert.

Schlecht positionierte, falsche oder verbogene Bauteile einer bestückten Platine sind mit klassischer Bildverarbeitung nur schwer zu erkennen. Mittels Deep Learning klappt eine Klassifizierung und Fehlererkennung auch bereits mit einer geringen Anzahl an Trainingsdaten um ein Vielfaches zuverlässiger.

Vor der Verpackung von Zündkerzen werden diese je Lage auf Vollständigkeit geprüft. Die enge Bauraum-Situation erlaubt nur die Verwendung einer weit-winkligen Optik, die zu einer starken Verzerrung der Perspektive führt. Klassische Mustersuchen können in diesem Fall schon an ihre Grenzen bei der Erkennung kommen. Mittels Deep Learning klappt die Prüfung jedoch sehr zuverlässig.

Defekte bei Luftfiltern müssen auf einer komplex strukturierten Oberfläche erkannt werden. Schwankungen bei der Lichtreflexion machen die Verwendung regelbasierter Bildverarbeitung unmöglich. ViDi Detect erkennt Fehler im strukturierten Bereich genau – trotz einer hohen natürlichen Varianz der Luftfilter.

Gestanztes Metall in verschiedenen Reflexionswinkeln stellt eine Herausforderung frü die regelbasierte Bildverarbeitung dar: Keine zwei Merkmale sehen genau gleich aus, insbesondere auf gekrümmten Oberflächen ViDi Read kann Buchstaben bei einer Vielzahl von Lichtverhältnissen genau lesen.