Anzeige

Per App Bauteile erkennen

In der Bildverarbeitung kommt künstliche Intelligenz seit langem zum Einsatz. Neuronale Netze erkennen beispielsweise Objekte des alltäglichen Lebens mit einer höheren Genauigkeit wieder als der Mensch. Forscher des Fraunhofer-Instituts für Produktionsanlagen und Konstruktionstechnik IPK nutzen dies und passen die Algorithmen für Industrieanwendungen an - beispielsweise zur Bauteilerkennung.

Bild: Fraunhofer-Institut IPKBild: Fraunhofer-Institut IPK

Unternehmen produzieren zunehmend an verschiedenen Standorten und arbeiten mit mehreren Zulieferfirmen zusammen. Dabei sind nicht alle gelieferten Bauteile mit Barcodes oder Typenschildern ausgestattet, weshalb die entsprechenden Gegenstände im Wareneingang erneut zugeordnet werden müssen. Ein manueller Prozess, bei dem Mitarbeiter in einem Katalog nach ähnlichen Einzelteilen suchen, um diese für die logistische Weiterverarbeitung eindeutig identifizieren zu können. Einer Möglichkeit, diesen Prozess zu beschleunigen, widmet sich das Fraunhofer IPK in Berlin. Dabei bedienen sich die Forscher dem maschinellen Lernen. Sie nutzen sogenannte Convolutional Neural Networks (CNNs) für die Wiedererkennung von Bauteilen aus dem Produktionsumfeld. Dazu gehören etwa Schrauben, Klemmen, Stutzen, Rohre, Schläuche, Kabel, Microcontroller und andere Elektronik. Um dies zu realisieren, entwickelt das Forschungsteam mit dem Logic.Cube ein Erfassungssystem. Die zu erkennenden Objekte mit einer maximalen Kantenlänge von 40cm werden in die würfelförmige Vorrichtung mit integrierter Waage gelegt und dort mit bis zu neun Kameras aufgenommen. Ein Bildverarbeitungsalgorithmus vermisst Höhe, Breite und Länge der Gegenstände, um die Größe des erforderlichen Kartons oder des Regallagerplatzes berechnen zu können. Zeitgleich wird das fotografierte Bilderset zusammen mit der Materialnummer in einer Datenbank gespeichert. Die gesammelten Daten werden dann genutzt, um den KI-Algorithmus zu trainieren, sodass er in der Lage ist, die unterschiedlichsten Bauteile wiederzuerkennen. Das Forscherteam hat die Funktionen des Erfassungssystems zudem in eine browserbasierte, betriebssystemunabhängige App übertragen, die auf Smartphones, Tablets, Laptops und Desktop-Rechnern läuft. Dabei musste der Trainingsdatensatz mit Smartphone-Daten angereichert und neu trainiert werden. Der Logic.Cube liefert Erkennungsraten von 98 Prozent, der Suchradius wurde von 4.500 Bildern auf fünf eingeschränkt. Eine ebensolche Erfolgsquote soll künftig mit der App erzielt werden. Dabei werden die Bilder über das Internet oder das firmeneigene Intranet in einer lokalen Edge-Cloud abgelegt. Dort findet auch die Bildverarbeitung und Wiedererkennung statt. Das Gesamtsystem ist so gestaltet, dass es bei der Benutzung fortlaufend weitere Daten sammelt, die nach einer bestimmten Zeit für ein erneutes Anlernen der Algorithmen verwendet werden können.

Fraunhofer-Institut IPM

Dieser Artikel erschien in IT&Production 5 (Juni) 2020 - 10.06.20.
Für weitere Artikel besuchen Sie www.it-production.com