Innovative Qualitätssicherung mittels optimierter Bildverarbeitungsketten auf Basis von Deep Learning - Innovative quality assurance using optimized imageprocessing chain based on deep learning
Katharina Anding,
Galina Polte,
Lilli Steinert,
Daniel Garten,
Marco Kraft,
Martin Welzenbach,
Claudia Gärtner
Kapitel/Beitrag aus dem Buch: Längle T. & Heizmann M. 2022. Forum Bildverarbeitung 2022.
This paper discusses intelligent quality assurance solutions for the automatic detection of different defect classes in industrial manufacturing processes by optimizing the image processing and pattern recognition chain based on Deep Learning. Exemplary intelligent quality assurance solutions for the industrial manufacturing processes plastic injection molding of microfluidic components in medical technology as well as macro components in automotive manufacturing are shown. The application of powerful deep learning algorithms with their principle based higher generalization and abstraction capability enables smart intelligent in-process solutions for the evaluation of manufacturing quality and also allows conclusions to be drawn about the manufacturing process itself. In this paper, the relevant aspects for solving various industrial quality assurance tasks using deep neural networks are examined in more detail.
In diesem Beitrag werden intelligente Qualitätssicherungslösungen für die automatische Erkennung verschiedener Fehlerklassen im industriellen Fertigungsprozess unter Optimierung der Bildverarbeitungs- und Mustererkennungskette auf Basis von Deep Learning diskutiert. Exemplarisch werden intelligente Qualitätssicherungslösungen für die industriellen Fertigungsprozesse Kunststoffspritzguss von mikrofluidischen Bauteilen in der Medizintechnik sowie von Makrobauteilen im Automobilbau aufgezeigt. Die Anwendung leistungsfähiger Deep-Learning-Algorithmen mit ihrem Prinzipbedingt gegebenen höheren Generalisierungs- und Abstraktionsvermögen ermöglicht smarte intelligente In-Prozess-Lösungen zur Evaluierung der Fertigungsqualität und ermöglicht auch Rückschlüsse zum Fertigungsprozess selbst. In diesem Beitrag werden die relevanten Aspekte zur Lösung verschiedener industrieller Qualitätssicherungsaufgaben mittels tiefer neuronaler Netze näher beleuchtet.