Parkett ist nicht gleich Parkett – laut Hersteller erfreut sich vor allem das Mehrschichtparkett großer Beliebtheit. Dazu verklebt das Unternehmen bei der Fertigung mehrere Holzschichten miteinander und prüft die Qualität der Dielen anschließend mit UV-Licht und intelligenter Bildverarbeitung. Die hierfür eingesetzten Inferenzkameras werden mittels neuronalen Netzes trainiert, und ein FPGA verarbeitet die Bilddaten direkt „on the edge“. So lassen sich fehlerhafte Parkettdielen zuverlässig erkennen.

Parkett sorgt für eine warme Atmosphäre. Seine natürliche Maserung wirkt lebendig und verleiht einem Raum Charakter. Neben massiven Varianten verkauft die Firma Scheucher Holzindustrie aus Mettersdorf in Österreich das sogenannte Mehrschichtparkett. Bei seiner Herstellung muss einiges berücksichtigt werden: Die Wahl der Holzart beeinflusst beispielsweise die Stabilität und das Aussehen des Parketts. Wie der Name schon sagt, besteht es aus mehreren Schichten, genauer gesagt aus einer Träger- und einer Nutzschicht. Als Träger kommen bei Scheucher Fichte oder Kiefer zum Einsatz. Für die Nutzschicht kann eine Vielzahl von Holz­arten verwendet werden.

Ein Vorteil des Fertigparketts liegt in seiner einfachen Verlegung: Es lässt sich schwimmend verarbeiten, muss also nicht verklebt werden. Ein Klicksystem sorgt dabei für den exakten Sitz der Dielen. Wichtig dabei ist, dass das Klicksystem mit hoher Präzision gefräst wird, damit die Paneele passgenau ineinandergreifen. Fehlerhafte Fräsungen führen zu Problemen bei der Verlegung und zu Instabilität. Gleiches gilt auch für die Klebeverbindung zwischen der Träger- und der Nutzschicht des Parketts. Der Klebstoff muss gleichmäßig aufgetragen werden, um eine sichere Verbindung zwischen den Schichten zu gewährleisten. Lufteinschlüsse oder unregelmäßige Auftragsmengen können zu Hohlräumen führen und die Lebensdauer beeinträchtigen. „In der Profilierung für unsere Multiflor-Parkettböden wird ein spezielles Klickprofil in die Dielen gefräst. Im Zuge dieses Prozesses wird mittels zweier intelligenter NXT-Kameras von IDS das Vorhandensein von Klebstoff in der Klebstofffuge zwischen Decklage und Trägerschicht kontrolliert“, erläutert Klaus Bauer, bei Scheucher verantwortlich für den Bereich Forschung & Entwicklung.

Einsatz von künstlicher Intelligenz

Scheucher beleuchtet dazu die bereits verleimten Parkettdielen mit UV-Licht. Der Klebstoff fluoresziert und Klebereste werden sichtbar. Um fehlerhafte Dielen zu erkennen, setzt Scheucher auf Bildverarbeitung mit künstlicher Intelligenz. Pro System kommen zwei IDS-NXT-Rio-Kameras zum Einsatz. Die intelligenten Modelle werden durch das Aufspielen eines neuronalen Netzes zu Inferenzkameras. Sie detektieren die fluoreszierenden Klebefugen und verarbeiten die Bilddaten „on the edge“ per FPGA und geben das Ergebnis an den Folgeprozess weiter. Die Embedded-Lösung ersetzt den Host-PC und senkt Energieverbrauch und Systemkosten. IP-geschützte Steckverbinder und ein robustes Gehäuse machen sie industrietauglich. Das Industrieprotokoll OPC-UA ermöglicht die direkte Kommunikation mit Maschinen und Steuerungen.

Die Anwendungsentwicklung und Integra­tion in das bestehende Fertigungssystem des Parkettherstellers war mit dem IDS-NXT-Rio-Experience-Kit schnell bewältigt. Die Inferenzkamera-Komplettlösung für KI-Anwendungen in der Bildverarbeitung enthält alle Komponenten, die ein Anwender für die Erstellung, das Trainieren und Ausführen eines neuronalen Netzes in einer produktiven Umgebung benötigt. Im Paket sind sowohl die Hardware – in Form der IDS-NXT-Rio-Industriekamera mit 1,6-MP-Sony-Farbsensor inklusive Strom- und Datenkabel sowie Stativadapter und Objektiv – als auch die benötigte Software in Form einer Lighthouse-Lizenz enthalten. Anwendende können sich so ganz auf die Applikation konzentrieren, ohne sich mit Deep Learning, Bildverarbeitung oder Programmierung auseinandersetzen zu müssen. 

Vorteile gegenüber klassischer ­Bildverarbeitung

„Wir hatten zur Qualitätskontrolle unserer Klebeverbindungen bislang keine Bildverarbeitung in der Profilieranlage im Einsatz, weder regelbasiert noch intelligent. Dennoch war es unser Ziel, auch als Laie, diese Anforderung mittels KI zu lösen. Da wir Fehler suchen, die nur selten auftreten, war unsere Heraus­forderung, eine ausreichende Anzahl von ‚Schlechtteilbildern‘ für das Training des neuronalen Netzes zu finden“, erklärt Bauer. „Am Ende benötigten wir rund 60 Gut- und Schlechtteilmuster bis die KI gelernt hatte, die Grenze von ‚Ok‘ zu ‚Not Ok‘ zu erkennen.“ Fehlerhafte Paneele werden zuverlässig aussortiert und können nachbearbeitet werden. „Damit sind wir einer der wenigen Hersteller, die diesbezüglich eine 100-Prozent-Kontrolle durchführen“, freut sich Bauer. Die Inspektion der Klebefuge ließe sich im vorliegenden Beispiel auch mit klassischer, regelbasierter Bildverarbeitung lösen, allerdings mit erhöhtem Programmieraufwand. Scheucher war es jedoch wichtig, eine intelligente Lösung zu finden, denn damit ist das Unternehmen auf weitere Anwendungsfälle vorbereitet.

Autorin
Sabine Terrasi, Referentin für Unternehmenskommunikation bei IDS