Automatisierte Qualitätskontrolle

Manuelle Qualitätskontrolle nimmt häufig viel Zeit in Anspruch und ist fehlerbehaftet. Um diesen Prozess objektiver und schneller zu gestalten nutzen immer mehr produzierende Unternehmen Computer Vision, also eine automatisierte Bildverarbeitung. Dabei können klassische Algorithmen zum Beispiel zur Kantenerkennung oder auch neuronale Netze für komplexere Aufgabenstellungen eingesetzt werden.

Mit neuronale Netze können Muster in Bildern und umfangreichen Datensätzen zuverlässig erkannt werden. Typische industrielle Anwendungen sind Klassifikationsaufgaben, etwa Bauteile automatisch als iO (in Ordnung) oder niO (nicht in Ordnung) zu klassifizieren. Neben der Gut-/Schlecht-Erkennung können neuronale Netze auch Bauteilvarianten unterscheiden oder Oberflächenzustände bewerten – schnell, reproduzierbar und objektiv.