Innovaties voor visuele inspectie

Wil je de snelheid en nauwkeurigheid van je kwaliteitscontrole verhogen? Dankzij recente technologische ontwikkelingen is dat vandaag haalbaar. In deze blog leggen we uit hoe AI-ondersteunde visuele inspectie productiebedrijven kan helpen om kwaliteitscontrole efficiënter en consistenter te maken.

Visuele inspectie speelt een belangrijke rol in de maakindustrie. Ze wordt ingezet om onderdelen te lokaliseren, defecten zoals krassen te detecteren en objecten correct te positioneren voor robotische handling. Door innovaties in visiontechnologie en artificiële intelligentie kunnen deze taken vandaag sneller en robuuster worden uitgevoerd. In veel gevallen evenaren of overtreffen ze de nauwkeurigheid en snelheid van manuele inspectie.

Handen, ogen en brein werken samen

Stel je een systeem voor waarin robotica (‘de handen’), AI (‘de hersenen’) en beeldtechnologie (‘de ogen’) naadloos zijn geïntegreerd. Innovaties op dit gebied verbeteren de manier waarop deze componenten met elkaar communiceren, wat relevant is voor het domein van automatische kwaliteitscontrole. Mensen inspecteren producten door hun ogen en handen samen te gebruiken. Ze draaien een onderdeel, brengen het dichterbij en passen de belichting aan om defecten beter te zien. Het brein stuurt dit proces aan en leert snel welke hoeken en omstandigheden het meest geschikt zijn om fouten te herkennen. Door gebruik te maken van ‘Active Vision’ – waarbij beweging wordt gebruikt om het gezichtspunt aan te passen – en AI, kunnen we dit natuurlijke proces in een machinecontext repliceren en verbeteren.

We passen dit principe toe in een machinecontext. Robotica neemt de rol van de handen op, visiontechnologie fungeert als de ogen en AI ondersteunt de besluitvorming. Door deze drie beter te laten samenwerken, kunnen inspectietaken efficiënter en consistenter verlopen.

Neem bijvoorbeeld defectdetectie: mensen gebruiken hun ogen in combinatie met hun handen – ze kunnen een object dichterbij brengen en het draaien, zodat we het vanuit verschillende perspectieven en in verschillende lichtomstandigheden kunnen inspecteren. Onze hersenen zorgen ervoor dat we dit efficiënt doen: we leren snel defecten en hun patronen te herkennen en onthouden welke hoeken en lichtomstandigheden de duidelijkste resultaten opleveren. Hoe kunnen we dit repliceren met bestaande technologieën? De sleutel is om Active Vision te combineren met AI.

Automatisch de beste inspectiehoeken bepalen

Active vision gebruikt beweging om beelden vanuit meerdere perspectieven te verzamelen. Zo kunnen alle oppervlakken van een onderdeel in beeld worden gebracht. Dit is vooral nuttig bij complexe onderdelen of bij productie met lage volumes, waar vaste inspectieopstellingen minder geschikt zijn.

We ontwikkelden een robotopstelling met meerdere verlichtingsopties, waarmee onderdelen flexibel vanuit verschillende hoeken geïnspecteerd kunnen worden. Door beelden te combineren die onder uiteenlopende lichtcondities en standpunten zijn genomen, wordt AI-gestuurde defectdetectie stabieler en betrouwbaarder.

Een uitdaging bij Active Vision is bepalen waar de sensoren moeten geplaatst worden om elk oppervlak goed te inspecteren. We pakken dit aan door CAD-data te gebruiken om automatisch sensorposities te berekenen. Zo maximaliseren we de dekking en verhogen we de inspectienauwkeurigheid. Deze posities worden gekoppeld aan automatische padplanning, zodat een robot het volledige inspectietraject kan uitvoeren.

Naast klassieke beeldinspectie werken we ook aan geautomatiseerde routines voor 3D-scanning. Deze ondersteunen snelle, nauwkeurige en contactloze kwaliteitscontrole.

Efficiëntere dataverzameling en robuustere AI-modellen

Onze AI-gebaseerde kwaliteitsinspectie is erop gericht om defecten nauwkeuriger en efficiënter te detecteren. Door het beeldopnameproces te automatiseren, kan één object vanuit veel verschillende hoeken en met variërende belichting worden vastgelegd. Die variatie is belangrijk om robuuste AI-modellen te trainen.

Om de training haalbaar te houden, ontwikkelden we een semi-automatische annotatietool die gebruikmaakt van 3D-informatie, zoals de positie van het object en de camera. Een defect hoeft slechts één keer gelabeld te worden. Verschijnt hetzelfde defect in een ander beeld, dan past het systeem de annotatie automatisch toe. Dat verlaagt de manuele inspanning aanzienlijk.

Tijdens de training zetten we ook data-augmentatie in om extra variatie te creëren. Met een beperkt aantal objecten – typisch 10 tot 20 – kan het AI-model al goed generaliseren naar nieuwe onderdelen. Hoewel technieken zoals achtergrondverwijdering of volledig gecontroleerde belichting de variatie verder kunnen beperken, tonen onze tests aan dat het systeem ook met natuurlijke variaties kan omgaan.

Deze afbeelding illustreert de output van een AI-model (rechts) op basis van de invoerafbeelding (links). Er werd een algoritme voor instantiesegmentatie gebruikt om individuele krassen te detecteren en te markeren. AI creëert een masker over elke gedetecteerde kras, waardoor de defecten effectief van de achtergrond worden geïsoleerd. Bovendien tekent het model kaders rond de krassen en geeft het betrouwbaarheidsscores.

Door defecten onder verschillende lichtcondities vast te leggen, wordt de kans groter dat elk defect minstens één keer duidelijk zichtbaar is. We combineren bovendien AI-resultaten uit meerdere standpunten, wat de detectie robuuster maakt en het risico op gemiste fouten verkleint.

Wilt u meer weten? Ons disseminatieproject ‘Easy AI for Industry’ heeft tot doel slimme computervisie toegankelijk te maken voor productieomgevingen, zelfs voor bedrijven die geen grote R&D-afdeling hebben. We werken ook aan een eenvoudig te implementeren softwaretoolbox voor defectdetectie, objectherkenning, objecttelling en positiebepaling. Voor meer informatie over onze oplossingen voor 3D-scannen en automatische optische inspectie verwijzen we naar ACCUMONIT (‘Verbetering van de nauwkeurigheid van CNC-machines).

Wat betekent dit voor productiebedrijven?

Visietechnologieën ondersteunen productiebedrijven bij het verbeteren van kwaliteitscontrole en het stroomlijnen van productieprocessen.

• Snelle detectie van defecten
  Defecten kunnen vroeg en snel worden opgespoord, ook bij hoge productiesnelheden. Dat maakt bijsturen mogelijk en helpt om verspilling te beperken.
• Detectie van subtiele afwijkingen
  AI-ondersteunde visuele inspectie kan ook defecten met een laag contrast herkennen, die voor het menselijk oog moeilijk zichtbaar zijn. Dit draagt bij aan een consistenter kwaliteitsniveau.
• Meer flexibiliteit in productie
  Bedrijven kunnen sneller inspelen op productwijzigingen of nieuwe ontwerpen, met minder omsteltijd en lagere kosten. Kwaliteitscontrole groeit mee met de productie, zonder complexe herprogrammering.

Een belangrijk voordeel is dat deze systemen steeds eenvoudiger inzetbaar worden, met minder manueel programmeer- en labelwerk. Verdere ontwikkelingen zullen deze technologie verder verfijnen en nog breder toepasbaar maken.