31.07.2023 • Technik

KI-Kamera erkennt Anomalien in Produktionsprozessen

Photo

Die Funktion nutzt Deep Learning, um Anomalien in Produktionsprozessen zu erkennen, wie etwa Defekte in produzierten Waren oder Fehler in Montagelinien. Dies kann Herstellern helfen, die Qualitätskontrolle zu verbessern.

Bei der Erkennung von Unregelmäßigkeiten an produzierten Bauteilen, sogenannten Anomalien, wird zunächst ein Modell dessen erstellt, was als normal angesehen wird. Dazu wird die Kamera mit einigen Bildern gefüttert, die als korrekt ausgewiesen werden. Sobald das Modell erstellt ist, kann die Kamera dann Anomalien erkennen, indem sie neue Bilder mit dem Modell vergleicht. Wenn das neue Bild stark vom Modell abweicht, meldet die Kamera einen Fehler. „Die neue Funktion zur Erkennung von Anomalien in der smarten Vision Cam AI.go ist ein großer Schritt nach vorn für unsere Kunden“, so Carsten Strampe, CEO von Imago Technologies. „Mit ihrer Hilfe lassen sich große Bilddatenmengen schnell und effizient analysieren. Außerdem lassen sich damit Muster erkennen, die mit dem bloßen Auge nur schwer oder gar nicht zu erkennen sind. Schließlich können Anomalien in Echtzeit erkannt werden, was dazu beitragen kann, das Auftreten von Problemen zu verhindern.“ Die Vision Cam AI.go Kamera ist ein leistungsstarkes Werkzeug für die industrielle Bildverarbeitung. Die neue Funktion bietet Herstellern ein wertvolles Werkzeug, um Produktionsfehler zu verhindern und Qualitätsstandards zu entsprechen.

Chemieindustrie 2.0

Der NetZero-Marathon für die Chemieindustrie

Entdecken Sie die Etappen, die die Chemieindustrie gehen muss: von der Kreislaufführung der Wertstoffe und Defossilierung, über PtX-Routen und Dekarbonisierung bis zur Elektrifizierung der Prozesstechnik.

Themenspotlight

Wasserstoff für die Prozessindustrie

Wasserstoff für die Prozessindustrie

Wasserstoff gilt als eines der Schlüsselmoleküle für die Energiewende und die Transformation der Chemieindustrie. Lesen Sie gesammelt alle Inhalte rund um das Thema Wasserstoff in der Prozessindustrie.

Meist gelesen