Automatische optische Verpackungskontrolle mit Künstlicher Intelligenz (KI)

11.5.2021
May 11, 2021

Produktverpackungen weisen die unterschiedlichsten Merkmale auf. Verschiedene Formen, Farben und Materialien können somit Ursache für verschiedene Fehlerbilder sein. Wir zeigen auf, wie man mit Künstlicher Intelligenz (KI) schnell und effektiv komplexe Qualitätsprobleme von Verpackungen in der Produktion in Echtzeit identifizieren und abstellen kann.

Fehler frühzeitig in der laufenden Produktion und Logistik zu erkennen und kurzfristig abzustellen ist im Bereich der Verpackungen oft eine sehr anspruchsvolle Aufgabe. Eine zuverlässige Automatisierung der visuellen Inspektion ist hierbei ein essentieller Faktor, um eine gleichbleibend hohe Qualität zu gewährleisten.

Herausforderungen der optischen Inspektion

Klassische Bildverarbeitungssysteme und klassische Algorithmen zur optischen Inspektion von Verpackungsfehlern sind oft sehr unflexibel und aufwändig zu realisieren. Hierbei muss die Fehlererkennung von Experten von Hand entwickelt werden, das erfordert sehr viel Know-How und Zeit. Dabei kann man die Vielzahl an möglichen Fehlerbildern (Risse, Fehlstücke, Beulen, Kratzer, geometrische Abweichungen, fehlender Inhalt, Druckfehler) nur mit sehr viel Aufwand oder gar nicht umsetzen. All das führt zu hohen Kosten und dazu, dass Qualitätsanforderungen an die Automatisierung nicht erfüllt werden können.

Mit KI komplexe Qualitätsprobleme effizient lösen

Mit Künstlicher Intelligenz (KI) kann eine Vielzahl von individuellen Fehlerbildern und Anomalien zuverlässig erkannt werden. Mit der Deep Learning DS Software von Data Spree lässt sich die Software-Logik im Hintergrund effizient und einfach umsetzen. Auch das kontinuierliche Monitoring der Produktionsdaten, automatisches Klassifizieren von Fehlern und Zeitreihenanalysen sind mit Deep Learning DS im Produktionsbetrieb benutzerfreundlich umgesetzt.

Abbildung 1 Deep Learning DS - Datenmanagement und statistische Auswertung der Oberflächen von Blister-Verpackungen für automatische optische Qualitätskontrolle

Für die Umsetzung der KI-basierten Fehlererkennung werden zunächst Bilder der Verpackung aus dem Produktionsprozess aufgenommen. Nun können bestimmte zu detektierende Fehler markiert werden, um die KI anzulernen. Diese Markierung der Daten wird Annotation genannt. Wenn man jedoch generelle Fehler und Abweichungen erkennen möchte, kann die KI auch ohne Fehlermarkierung, nach dem Training Abweichungen von der Norm über eine Anomalie-Erkennung identifizieren.

Die KI trainiert dabei iterativ die Erkennung und Lokalisierung von Abweichungen bzw. Anomalien vom Gut-Zustand oder auch spezielle Fehlerbilder, die man als Anwender identifizieren möchte. Die KI funktioniert hierbei ähnlich wie das menschliche Gehirn und lernt auf Grundlage der Bilddaten Fehler zu erkennen, zuzuordnen und zu lokalisieren - ohne, dass spezifische Verpackungsmerkmale manuell vordefiniert werden müssen. Mit Deep Learning DS kann man diesen Lernprozess schnell und einfach selbst durchführen. Data Spree bietet zudem aber auch den vollständigen Prozess bis hin zur produktiven Integration in die Anlage als Service an.

Mit dieser Methode lassen sich somit unterschiedlichste und komplexe Qualitätssicherungsaufgaben schnell und einfach umsetzen – und das ohne eine einzige Zeile Programmiercode.

Abbildung 2 Optische Qualitätssicherung von Blister-Verpackungen, links die Erkennung von minimalen Beschädigungen in der Oberfläche, rechts die genaue Lokalisierung der Fehler in einer Heatmap-Anzeige

Automatisierungsprozesse lassen sich somit effizient und robust realisieren. In wenigen Stunden lässt sich so ein einsatzfähiger Prototyp erstellen und innerhalb kürzester Zeit in eine produktive Lösung erweitern. Die schnellen KI-Modelle der Data Spree sorgen zusätzlich für eine Echtzeitfähigkeit im hochfrequenten Produktions- und Logistikbetrieb. Ein weiterer Vorteil ist die Flexibilität des lernenden Systems. Falls sich Verpackungen, Verpackungseigenschaften oder Objekte aufgrund von Produktions- oder Logistikumstellungen ändern kann die KI einfach mit neuen Bildern „gefüttert“ und nachtrainiert werden. So kann schnell und effektiv auf Änderungen in der Produktion oder Logistik reagiert werden, ohne wieder von vorne anzufangen oder eine neue Lösung einkaufen und implementieren zu müssen.

Über Deep Learning DS lassen sich die Daten aus dem laufenden Produktionsbetrieb und die erkannten Fehler langfristig speichern, verwalten und statistisch auswerten. So können in der Kombination von Datenmanagement und KI-Training kontinuierlich höchste Qualitätsanforderungen realisiert werden.

Schnelle und einfache Implementierung

Das trainierte KI-Modell kann durch das offene ONNX-Standardformat individuell in jede Kundenanwendung integriert werden. Die Data Spree eigene Ausführungsumgebung Inference DS bietet zudem eine einfache grafische Benutzeroberfläche in der das KI-Modell schnell über ein Drag-and-Drop Prinzip auf der jeweiligen Hardware, wie Smartkamera oder Industrie-PC, ausgeführt werden kann. Das spart Integrationszeit – und vor allem Kosten.  

Für mehr Informationen oder eine Lösung für Ihre eigenen Herausforderungen besuchen Sie gerne unsere Webseite für Qualitätssicherungslösungen www.data-spree.com/qualitaet

Lassen Sie uns über Ihr Projekt sprechen.
Entscheiden Sie sich für eine unserer einsatzfertigen Lösungen, beginnen Sie mit der Erstellung Ihres Deep-Learning-basierten Systems oder teilen Sie uns Ihre Anforderungen mit, damit wir eine individuelle Anwendung für Sie realisieren können.
Kontakt
Let's talk about your project.
Adopt one of our ready-to-use solutions, start creating your deep-learning-based system, or tell us your requirements to let us build an individual application for you.
Contact