Mit Kamera und KI den Werkzeug­verschleiß in Echtzeit prüfen

Messsystem überwindet Schwachstellen in der Werkzeugverschleiß-Detektion

Dazu integrierten die Forscherinnen und Forscher ein Mikroskop in die Fräs­maschine, das während der Bearbeitung, zwischen den einzelnen Bearbeitungsschritten, automatisiert Bilder des Fräswerkzeugs aufnimmt. Inspiriert von medizintechnischen Verfahren entwickelten sie Techniken zur Bildsegmentation, auf deren Basis industrie­typische Bewertungskenngrößen des Werkzeug­zustands abgeleitet werden können. Um das empfindliche Mikroskop in der rauen Umgebung der Werkzeugmaschine zu schützen, konstruierten die Forschenden ein widerstandsfähiges Gehäuse mit Sperrluftfunktion, das Kühlschmierstofftropfen von der Kamera fernhält.

Fotos und synthetische Bilddaten als Grundlage für ein KI-generiertes Verschleißmodell
Die erfassten Bilder dienten als Trainings­daten für das KI-gestützte Bildverarbeitungsprogramm, das die Partner im Laufe des Projekts entwickelten. Das Programm ist in der Lage, Werkzeugtypen zu klassifizieren, verschlissene Bereiche aufzuzeigen und Verschleißmetriken zu berechnen.

Um den vorgelagerten manuellen Aufwand für das Training der Künstlichen Intelligenz zu verringern, nutzten die Forscherinnen und Forscher einen neuen Ansatz: Sie erstellen mithilfe generativer Algorithmen und neuronaler Netzwerke synthetische Bilddaten, um dadurch die Datenbasis künstlich zu vergrößern. Zudem wurden die realen Bilder mit einfachen Augmentationstechniken, etwa Spiegeln oder Drehen, verändert und vervielfältigt.

Erfolgreicher Praxistest bestätigt Leistungsfähigkeit

Das Kamerasystem und das Bildverarbeitungsprogramm bestanden im abschließenden Projektabschnitt unter realen Bedingungen den ersten Praxistest: Die Automatisierung der Bildaufnahme und die Qualität der aufgenommenen Fotos übertrafen die Erwartungen des Projektteams. Das Kameragehäuse erwies sich als robust genug, um die Mikroskopieeinheit zuverlässig zu schützen. Die KI der Bildverarbeitungs-Software identifizierte zuverlässig und präzise die visuell erfassbaren Verschleißformen.

Die Anwendung wird nun weiter gezielt für den industriellen Einsatz optimiert: Weiteres Ziel ist es, die KI-Modelle weiter zu verfeinern, um Verschleißerscheinungen noch präziser zu identifizieren und zu analysieren. In einer engen Zusammenarbeit mit spezialisierten Hardware-Lieferanten gilt es nun, die neue KI-Anwendung schnellstmöglich in die industrielle Praxis zu überführen.

Förderung

Das Projekt „Camwear 2.0 – Automatisierte Verschleißmessung und -analyse zur Optimierung der Prozessplanung in der Fräsbearbeitung“ wurde durch das Bundesministerium für Wirtschaft und Energie (BMWi) gefördert. Förderkennzeichen: 21660 N / 2. Projektpartner ist die Forschungsvereinigung Programmiersprachen für Fertigungseinrichtungen e. V.