Eine Software für Computertomografie nutzt Deep Learning, um die ­Qualität von CT-Scans zu verbessern und gleichzeitig die Scan-Geschwindigkeit zu erhöhen. Dies hebt den traditionellen Kompromiss zwischen Scan-Geschwindigkeit und Bildqualität auf. Als Anwenderbranche steht die Batteriezellfertigung im Fokus.

Bisher mussten sich CT-Benutzer zwischen schnellen Scans mit geringerer Qualität und langsamen Scans mit höherer Qualität entscheiden. Bei schnellen Scans können aber wichtige Details übersehen werden. Bei langsamen Scans lassen sich im selben Zeitraum weniger Artikel scannen. Die nun von Nikon vorgestellte „AI Reconstruction“ hebt diese Einschränkungen mithilfe von künstlicher Intelligenz auf. Das zugrunde­liegende Deep-Learning-Modell ist darauf trainiert, relevante Informationen von Scan-Artefakten zu unterscheiden, um das Rauschen zu filtern und die Klarheit zu verbessern. Dadurch liefert die AI Reconstruction schnelle Ergebnisse und eine hohe Bildqualität.

„Dieser Technologiesprung unterstützt Test- und Qualitätsteams dabei, den Durchsatz und die Präzision zu steigern: Die deutlich bessere Bildqualität deckt auch kleine Produktfehler auf, für die früher mühsame Scans nötig waren, während die schnelleren Scangeschwindigkeiten es Benutzern ermöglichen, viel mehr Einheiten pro Tag zuverlässig zu analysieren“, erklärt Chris Price, Produktmanager für Röntgen- und CT-Systeme bei Nikon.

Diese Technologie wird sich beispielsweise in der Automobilindustrie, in der Luft- und Raumfahrt, in der Fertigungs- sowie in der Medizintechnikindustrie durchsetzen, ist Price sicher. In diesen und anderen Bereichen ist eine sorgfältige Qualitätskontrolle durch eine präzise Messtechnik für die Produktsicherheit unerlässlich.

Batterieinspektion: Spezielle KI-Lösung vs. allgemeiner Ansatz

Nikons KI-Lösung basiert auf der gleichen Technologie wie Nikons LiB.Overhang-Analyse, die im Jahr 2023 veröffentlicht wurde. Obwohl beide mit Deep Learning arbeiten, sind ihre Ziele unterschiedlich. Die LiB.Overhang-Analyse ist eine spezielle Analyselösung, die eine schnelle, präzise und konsistente CT-Inspektion und Analyse des Anodenüberhangs in Lithium-Ionen-Batterien (LiB) während der Massenproduktion ermöglicht.

Durch die automatisierte Analyse der 3D-CT-Scandaten mittels KI kann die LiB.Overhang-Analyse die wichtigen Abmessungen der Anodenüberhänge in LiB-Zellen genau messen, um sicherzustellen, dass diese innerhalb der erforderlichen Toleranzen für eine optimale Batterieleistung und Sicherheit liegen.

„Die AI Reconstruction hat ein viel breiteres Anwendungsspektrum“, sagt Price. „Anstatt eine Analyse durchzuführen, wird die Bildqualität verbessert, sodass die Scans mit branchenüblicher Software einfach analysiert werden können. Das bedeutet, dass viel mehr Sektoren davon profitieren können, indem sie beispiellose Verbesserungs­möglichkeiten in Bereichen wie Gießen, additive Fertigung sowie Wissenschaft, Forschung und viele mehr schaffen.“

Die AI Reconstruction von Nikon wird als maßgeschneiderter Service angeboten, der auf der Erfahrung des Unternehmens bei der Erfüllung spezifischer Kundenanforderungen beruht. Ein erfahrener Anwendungstechniker von Nikon arbeitet direkt mit jedem Kunden zusammen, um ein genaues Modell anhand von Proben aus einem bestimmten Ziel-Workflow zu trainieren.
Mit dem Start der AI Reconstruction konzentriert sich Nikon auf die Produktion von LiB-Zellen, bei denen das Unternehmen bereits ein führender Partner für viele Hersteller ist.