Fachvortrag

Die Fertigungsindustrie setzt neue Standards und Anforderungen für die Qualitätsprüfung, um den Marktanforderungen effektiv gerecht zu werden. In diesem Kontext wurden Methoden der Computer-Vision zur Erkennung von Oberflächenfehlern bei Industrieprodukten als vielversprechende Lösung zur Verbesserung der Inspektionsprozesse identifiziert, wodurch die Auswirkungen dieser sich wiederholenden Aufgabe auf die Gesundheit der menschlichen Bediener verringert werden. Allerdings stellt die Fehlererkennung bei Keramikgeschirr aufgrund der reflektierenden und nicht flachen Oberflächenmerkmale der Produkte technische Herausforderungen dar, was Anstrengungen erfordert, um die Erkennungsgenauigkeit zu gewährleisten. In diesem Projekt wird die Implementierung eines automatischen Inspektionssystems auf Basis des Deep-Learning-Modells YOLOv8 sowie eines maßgeschneiderten Setups für die Echtzeit-Bildaufnahme von Keramiktellern vorgeschlagen. Das vorgeschlagene System erkennt Fehler auf Grundlage ihrer industriellen Klassifizierung und erreicht eine mittlere Genauigkeit von 98 %. Dieses Prototypensystem kann umfassende Einblicke in laufende Tätigkeiten und Produktbeschreibungen in Echtzeit bieten und somit eine dynamische und informierte Fertigungsumgebung gewährleisten.