Anomaliedetektion

In vielen Industriebetrieben erfolgt die Qualitätsprüfung noch immer überwiegend manuell. Diese Prozesse sind zeitaufwendig, fehleranfällig und erfordern ein hohes Maß an Erfahrung und Aufmerksamkeit des Fachpersonals. Gleichzeitig steigen die Anforderungen an Präzision, Produktqualität und Effizienz kontinuierlich.

Das entwickelte KI-Modell zur Anomaliedetektion unterstützt die Qualitätssicherung, indem es Bauteile automatisiert analysiert und Abweichungen vom Normalzustand frühzeitig erkennt. Im Gegensatz zu klassischen KI-Verfahren wird das Modell ausschließlich mit fehlerfreien Beispielen trainiert. Dadurch entfallen aufwendige Defektdatensätze und manuelle Labelprozesse, während gleichzeitig auch bislang unbekannte Fehlerbilder zuverlässig identifiziert werden können. So ermöglicht die Lösung eine effiziente, flexible und zukunftssichere Qualitätskontrolle in industriellen Produktionsprozessen.

Am Beispiel der Schraubenprüfung analysiert das System Bilder von fertigen Produkten und entscheidet automatisch, ob ein Bauteil einwandfrei ist oder Defekte aufweist. Die Auswertung erfolgt direkt auf dem Gerät mittels Edge AI – ohne Cloud-Anbindung und in Echtzeit.

Ziel des Demonstrators ist es zu zeigen, wie Edge AI in der industriellen Qualitätssicherung eingesetzt werden kann: flexibel, sicher und ohne großen Integrationsaufwand. Die zugrunde liegende Technologie lässt sich nahtlos auf weitere Anwendungen zur Automatisierung und Überwachung von Produktionsprozessen übertragen.

Ein Autoencoder ist eine Architektur, welche die Daten über eine Encoder auf eine minimale Repräsentation codiert und mit einem Decoder dann wieder die Eingabe reduziert. Dies macht man sich bei der Anomaliedetektion zunutze: Die Rekonstruktion zeigt stets ein OK-Teil, weil die KI nur dies gelernt hat. Über die Differenz zur Aufnahme wird dann der Fehler sichtbar, wie in der Heatmap zu sehen ist. So können Anomalien gefunden werden.