Herausforderung
Ein Unternehmen fertigt hochwertige Artikel für die Kosmetikindustrie. Im Speziellen wird eine Kunststofflinse zur optischen Aufwertung eines Cremebehälters gefertigt.
- Ziele:
- Es dürfen nur Objekte von höchster Qualität verbaut werden: Ohne Kratzer, Verunreinigungen, Einschlüsse, etc.
- Die Qualitätsprüfung soll automatisiert erfolgen (trotz für das menschliche Auge schwer zu erkennender Fehlerstellen)
- Herausforderung:
- Prozess-Unterschiede von Trainings- vs. Test-Daten (Beleuchtung, Hintergrund)
Lösung
Bildererkennung durch Deep Neural Networks:
- Installation einer Kamera und Erhebung von Bilddaten
- Labeln von Bildern fehlerhafter Produkte (manuell)
- Trainieren eines tiefen neuronalen Netzes
- Implementation und Integration der Qualitätssicherung in die laufende Produktion
Nutzen
- Automatisierung manueller, weniger „attraktiver“ Tätigkeiten
- Erhöhung der Qualität der Endprodukte
