Wo Neuralyze arbeitet
Machine Vision wird am häufigsten zur Qualitätssicherung in Produktionsanlagen eingesetzt – aber auch beim Trennen von Wertstoffen, bei der Detektion von Verunreinigungen in Lebensmitteln oder zur Automatisierung von Laboranalysen. Die Bandbreite schließt jegliche automatisierbaren Verfahren ein, in denen über Kamerasysteme ein Ist-Zustand optisch erfasst und überprüft werden kann.
Oberflächeninspektion
Erkennen von Kratzern, Rissen, Einschlüssen, Verfärbungen – Oberflächendefekte auf Metall, Glas, Kunststoff oder Keramik…
Vollständigkeitsanalyse
Prüfung der Anwesenheit von Bauteilen, falsche Bestückung, unvollständige Montage, Vollständigkeitsprüfung…
Masshaltigkeitsprüfung
Dimensionelle Prüfungen – Länge, Breite, Winkel, Radien…
Texterkennung (OCR)
Lesen von Buchstaben, Symbolen oder Beschriftungen wie gelaserten oder gedruckten Datums- und Chargencodes…
Anomaliedetektion
Detektion von Merkmalen, die vom Durchschnitt der Teile abweichen, ohne vorher Fehlerteile trainiert zu haben…
Identifizieren, sortieren und zählen
Schnelle Teileerkennung, Sortierung, Robot-Picking, Ausschleusen, Zuordnen und Zählen…
Oberflächendefekte erkennen
Kratzer, Risse, Einschlüsse, Verfärbungen – Oberflächendefekte auf Metall, Glas, Kunststoff oder Keramik gehören zu den anspruchsvollsten Prüfaufgaben. Ein Kratzer sieht nie wie der andere aus. Regelbasierte Systeme müssen für jede Ausprägung eine eigene Definition hinterlegen – bei hoher Variabilität wird die Parametrierung zum Flaschenhals.
Wo regelbasierte Ansätze an Grenzen stoßen
-
Hohe Variabilität – Natürliche Produkte, organische Materialien oder handwerklich gefertigte Teile zeigen Variabilität, die sich schwer in Regeln fassen lässt.
-
Komplexe Oberflächen – Transparente Materialien, spiegelnde Flächen, gekrümmte Geometrien erschweren einfache Schwellwertverfahren.
-
Schwer definierbare Defekte – „Ich erkenne es, wenn ich es sehe" beschreibt viele industrielle Prüfaufgaben präzise.
Was Neuralyze® leistet
Anstatt Defekte zu definieren, zeigen Sie dem System Beispiele. Es extrahiert die relevanten Merkmale selbstständig. Anpassung durch Nachtraining statt Neuprogrammierung.
Typische Einsatzbereiche
Automotive (Karosserie, Interieur), Metallverarbeitung, Glasindustrie, Halbleiterfertigung
Vollständigkeit zuverlässig prüfen
Fehlende Bauteile, falsche Bestückung, unvollständige Montage – Vollständigkeitsprüfungen erfordern die zuverlässige Erkennung und Unterscheidung vieler verschiedener Objekte in einer Szene.
Praxisbeispiel: Trays in der Lebensmittelindustrie, Sets für Krankenhausbedarf oder Baugruppen in der Elektronikfertigung – vor der Endkontrolle muss sichergestellt sein, dass alle Positionen korrekt belegt sind. Objekterkennung mit Deep Learning löst diese Aufgabe zuverlässig.
Was Neuralyze® leistet
Objekterkennung lokalisiert und unterscheidet viele verschiedene Objekte in einer Szene – und eignet sich damit auch zur Anwesenheitsprüfung.
Typische Einsatzbereiche
Lebensmittelindustrie, Medizintechnik, Elektronikfertigung, Montagelinien
Maßhaltigkeit und Geometrie prüfen
Dimensionelle Prüfungen – Länge, Breite, Winkel, Radien – sind eine Domäne der klassischen Bildverarbeitung: präzise, deterministisch, schnell. Konventionelle Regeln wie »Finde eine Kante« oder »Ist diese Bohrung kreisrund?« funktionieren zuverlässig, wenn sich Objekte klar definieren lassen.
Neuralyze® ergänzt diese Stärke dort, wo die Lokalisierung des Messobjekts oder die Segmentierung relevanter Bereiche mit regelbasierten Ansätzen schwierig wird.
Hybridansatz
In hybriden Prüfabläufen übernimmt Neuralyze die Objekterkennung und -segmentierung, während klassische Algorithmen die Vermessung durchführen. Das Beste aus beiden Welten.
Typische Einsatzbereiche
Maschinenbau, Präzisionsfertigung, Medizintechnik
Beschriftungen und Codes lesen
Gedruckte Schriften wie Datums- und Chargencodes auf gekrümmten oder optisch schwer zu erfassenden Oberflächen sind für herkömmliche OCR-Systeme schwer lesbar.
Praxisbeispiel: Überprüfung von Beschriftungen auf gekrümmten Oberflächen
Deep Learning vereinfacht diesen Prozess wesentlich und führt auch bei schlecht lesbarem Druck zu stabilen Ergebnissen.
Was Neuralyze® leistet
Deep-Learning-basierte Texterkennung erzielt auch unter schwierigen Bedingungen stabile Ergebnisse:
• Gekrümmte Oberflächen (Flaschen, Dosen, Rohre)
• Schwierige Lichtverhältnisse und Reflexionen
• Variierende Druckqualität
Typische Einsatzbereiche
Pharma (Serialisierung), Lebensmittelverpackung, Getränkeindustrie, Logistik
Unbekannte Abweichungen entdecken
Regelbasierte Systeme finden nur, wonach sie explizit suchen. Neue, unvorhergesehene Fehlertypen werden übersehen.
Der andere Ansatz
Die Anomalieerkennung verfolgt einen grundlegend anderen Ansatz: Statt einzelne Defektklassen zu definieren, lernt das System, wie ein gutes Produkt aussieht – und erkennt Abweichungen davon.
Was Neuralyze® leistet
Das Modell wird ausschließlich mit Gutteilen trainiert und erkennt anschließend jegliche Abweichungen vom gelernten Standard – auch unbekannte Fehlertypen.
Typische Einsatzbereiche
Halbleiterfertigung, Hochpräzisionsteile, Erstmusterprüfung, kontinuierliche Fertigungsprozesse
Unterscheiden Sie verschiedene Produkte sicher voneinander
Viele Produktionsprozesse mit variablen Produkten erfordern eine zuverlässige Erkennung, Sortierung und Zählung von Objekten. Neuralyze unterscheidet zuverlässig zwischen visuellen Merkmalen, die mit herkömmlicher Bildverarbeitung nicht mehr sicher unterschieden werden können.
Case Study: Optische Inspektion von Teigwaren Gnocchi und Spätzle werden auf denselben Produktionslinien hergestellt. Beim Produktwechsel muss unbedingt sichergestellt werden, dass jede Sorte separat verpackt wird – trotz erheblicher Formunterschiede. Die Objekterkennung mittels Deep Learning löst dieses Problem zuverlässig.
Was Neuralyze® bietet
Die Objekterkennung lokalisiert und unterscheidet viele verschiedene Objekte in einer Szene – wodurch sie sich gleichermaßen zum Identifizieren, Sortieren und für Zählvorgänge eignet.
Typische Anwendungsbereiche
Lebensmittelindustrie, Elektronikfertigung, Verpackungsindustrie, Montagelinien
Ihre Prüfaufgabe, unsere Einschätzung
Nicht jede Prüfaufgabe eignet sich für Vision AI. Bevor Sie investieren, analysieren wir die Machbarkeit mit Ihren Daten.
So funktioniert es:
1. Bilddaten bereitstellen – Sie senden uns Beispielbilder Ihrer Prüfaufgabe (Gutteile, Schlechtteile, typische Varianten)
2. Analyse durch unser Team – Wir bewerten Bildqualität, Merkmalsvarianz und Erfolgsaussichten
3. Ergebnis und Empfehlung – Sie erhalten eine fundierte Einschätzung, ob und wie Neuralyze Ihre Aufgabe lösen kann
Was Sie bekommen:
-
Realistische Einschätzung der Erfolgsaussichten
-
Empfehlung für Kamerasystem und Beleuchtung (falls relevant)
-
Grobe Aufwandsschätzung für Training und Integration
-
Bei positiver Bewertung: Angebot für Pilotprojekt oder direkte Lizenz
Kosten:
Die initiale Machbarkeitsanalyse ist kostenlos und unverbindlich. Für umfangreichere Vorstudien mit Prototyp-Entwicklung erstellen wir ein individuelles Angebot.