Case Study

Computer Vision

Defect Detection

Die Herausforderung

Erhitzen, Walzen, Trocknen, Schneiden - die Herstellung von flachen Stahlblechen ist ein aufwendiger Prozess der zu Oberflächenfehlern führen.

Die Erkennung dieser - oft sehr kleinen - Defekte durch Sichtprüfung ist zeitaufwändig und fehleranfällig.

Die Lösung

AUTOMATISIERTE FEHLERERKENNUNG MIT CONVOLUTIONAL NEURAL NETWORKS

1. Vorhandene Daten von Kameras aus der Produktion werden gekennzeichnet

2. Daten werden vorverarbeitet und zum Trainieren eines Convolutional Neural Network verwendet

3. Der Algorithmus ist in das Produktionssystem integriert

No items found.

Vorteile

  • Höhere Erkennungsrate im Vergleich zur manuellen Inspektion
  • Automatisierte Inspektion beschleunigt den Produktionsprozess
  • Extrahierte Informationen, z. B. die Position des Defekts, können in nachfolgenden Bearbeitungsschritten verwendet werden

Weitere Use Cases

  • Verpackungsinspektion: Fehlende Elemente wie Barcodes oder Beschädigungen erkennen
  • Gesundheitswesen: Medizinische Scans analysieren und Krankheiten erkennen
  • Landwirtschaft: Schädlinge und Pflanzenkrankheiten erkennen
  • Verkehr: Zählen und Klassifizieren von Verkehrsteilnehmern

... und viele mehr

Andere Case Studies

Kontakt
Haben Wir Ihr Interesse Geweckt?
Zurück zu Referenzen