Wie Anomaliedetektionsmethoden die Automatisierung der manuellen Inspektion unterstützen

Die schematische Darstellung veranschaulicht die automatisierte Erfassung von Annotationen. Die rechte Kamera beobachtet den Sortierprozess und markiert aussortierte Produkte in den gespeicherten Daten des zukünftigen Sortiersystems (linke Kamera) als defekt.

© Fraunhofer IPK

Forschende arbeiten an Lösungen, die auf Basis von Anomaliedetektions­methoden den Aufwand zur Bearbeitung komplexer Inspektionsprobleme verringern. So können Prozessbeobachtung und die Anwendung von Assistenzsystemen Mitarbeiter entlasten und Prozesse zuverlässiger machen.

Obwohl leistungsfähige KI-gestützte Inspektionssysteme zunehmend verfügbar sind, bleibt die Qualitätskontrolle in vielen Unternehmen ein manueller Prozess. Die Vielfalt der Produktionsgüter mit komplexen Geometrien und Oberflächen machen die Einführung kompliziert. Zudem können sich, beispielsweise im Bereich der mobilen Robotik oder in der Lebensmittelproduktion, die zu betrachtenden Szenen stark unterscheiden. Bei kleinen und mittelständischen Unternehmen (KMU) wird der wirtschaftliche Nutzen zusätzlich durch den hohen Aufwand für die Datenerhebung und deren Annotation eingeschränkt. Dabei ist eine belastbare Datengrundlage entscheidend für die breitere Einführung KI-basierter Methoden in der industriellen Qualitätskontrolle.

Darum werden Lösungen wichtiger, die den Produktions- und Qualitätssicherungsprozess selbst als Datenquelle nutzen. Dadurch lassen sich Datensätze mit geringerem manuellen Aufwand sammeln.