Vision-Sensoren zur Bauteilprüfung KI vereinfacht Einlernprozess

Vision-Sensor der IV2-Serie mit KI-gestützter Fehlerbilderkennung zur Bauteilprüfung.
Vision-Sensor der IV2-Serie mit KI-gestützter Fehlerbilderkennung zur Bauteilprüfung.

Um Vision-Sensoren auf ein neues Bauteil einzulernen reichen ein Gut- und ein Schlechtbauteil aus. Die Bewertungskriterien leitet das Bildverarbeitungssystem automatisiert ab.

Der Einlernprozess für einen Vision-Sensors soll die Falsch-Positiv- und die Falsch-Negativ-Rate unter einen gewissen Schwellenwert bringen. Mit KI-gestützten Algorithmen vereinfacht sich diese Arbeit. Keyence hat solche Algorithmen in seine neue Modellreihe IV2 integriert. Notwendig ist nur noch ein Gut- und ein Schlechtbauteil. Welche Bewertungskriterien für ein sicheres Unterscheiden von Ausschuss und Gutbauteil abgefragt und welche Toleranzschwellen für den Parametersatz gelten sollen, legt das System automatisiert fest. Weitere Fehlerbilder können im laufenden Prozess nachträglich eingelernt werden.

Die Robustheit gegen fehlerhafte Baiteilklassifizierungen durch Fremdlicht oder mangelnde Beleuchtung wird über einen Störlichtalgorithmus und eine automatische Registrierung der Produkte mit unterschiedlichen Belichtungsintensitäten von Unter- bis Überbelichtung erhöht. Der erhöhte Automatisierungsgrad des Einlernprozesses soll das Umrüsten von Anlagen beschleunigen und damit zu einer erhöhten Anlagenverfügbarkeit führen.