FALLSTUDIE

Industrie: Fertigung
Produkt: Triton 3,2 MP Kamera
Anwendung: Inspektion
SDK: Kundenspezifisches, vision-basiertes KI-System

KI-Vision-System inspiziert Betonpflastersteine auf Defekte

Pflastersteine sind in unterschiedlichen Formen, Größen, Farben und Oberflächenstrukturen erhältlich. Sie werden aufgrund ihrer Haltbarkeit, ihres ästhetischen Erscheinungsbilds und ihrer Kosteneffizienz sowohl in der städtischen Infrastruktur als auch im Wohnungsbau breit eingesetzt. Die Möglichkeit, individuelle Muster und Designs zu gestalten, macht sie sowohl im öffentlichen als auch im privaten Raum zu einer bevorzugten Wahl.

Die Produktion erfolgt in Werken im ganzen Land, die in Kundennähe angesiedelt sind, um Transportkosten zu senken. Die Herstellung dauert bis zu drei Tage, erfordert qualifizierte Arbeitskräfte und verursacht erhebliche Energiekosten. Typische Ausschussraten liegen bei etwa 1–2 Prozent.

Herausforderung

Die Qualitätsprüfung von Pflastersteinen wird in der Regel von menschlichen Bedienern durchgeführt, die sich auf ihre visuelle Beurteilung verlassen, um Oberflächenfehler wie Tonklumpen, Risse oder Abplatzungen sowie fehlende Steine oder Fremdkörper auf der Platte zu erkennen.

Neben den hohen Kosten ist dieser Prozess uneinheitlich – sowohl zwischen verschiedenen Bedienern als auch zwischen Schichten, Produktionslinien und Werken. Kleinere Defekte werden häufig übersehen, insbesondere wenn größere Mängel vorhanden sind. Die Prüfkriterien variieren je nach Schicht, und visuelle Ermüdung führt im Laufe einer Schicht zu nachlassender Leistung.

Angesichts steigender Qualitätsanforderungen suchte ein führender US-amerikanischer Hersteller von Pflastersteinen nach einer Inspektionslösung, die mit dem Produktionstempo Schritt hält, subjektive Abweichungen eliminiert, Defekte erkennt und klassifiziert, sich nahtlos in bestehende Systeme integriert – und dabei sowohl kostengünstig als auch skalierbar über mehrere Standorte hinweg ist.

Angesichts der Unstimmigkeiten manueller Prüfungen suchte ein führender US-amerikanischer Pflastersteinhersteller nach einer Lösung, die objektive und verlässliche Ergebnisse liefert – und gleichzeitig kostengünstig und skalierbar ist.

Lösung

Um diese Herausforderungen zu bewältigen, arbeitete der Hersteller mit Accella KI, einem Anbieter von KI-basierten Lösungen mit Sitz in Sunnyvale, Kalifornien, zusammen, um ein Proof-of-Concept mit dem Accella MFG Bot™ umzusetzen – einem vision-basierten KI-System, das speziell für den Einsatz in realen Fertigungsumgebungen entwickelt wurde.

Installiert auf der Trockenseite der Produktionslinien kombiniert das System eine hochauflösende LUCID Triton® 3,2 MP Farbkamera mit einem Deep-Learning-Modell, das darauf trainiert ist, Defekte in Echtzeit zu erkennen und zu klassifizieren. Die Triton Kamera ist ideal für den rauen industriellen Einsatz geeignet und verfügt über den Sony IMX265 CMOS Sensor, ein Factory Tough® Design mit IP67-Schutz, Power over Ethernet (PoE+) sowie M12/M8 Ethernet-Anschlüsse.

Der Inspektionsprozess funktioniert wie folgt: Die Triton Kamera, über Kopf montiert, wird durch die SPS der Produktionslinie ausgelöst und erfasst jedes Brett mit Pflastersteinen, das die Station durchläuft. Zunächst identifiziert die KI jeden einzelnen Pflasterstein auf dem Brett, anschließend prüft sie ihn auf Defekte. Die Ergebnisse werden auf einem Bedienerbildschirm angezeigt, wobei fehlerhafte Steine hervorgehoben werden, sodass der Bediener sie aus der Produktion entnehmen kann.

Das System kombiniert eine hochauflösende LUCID Triton® 3,2 MP Farbkamera mit einem Deep-Learning-Modell, das darauf trainiert ist, Defekte in Echtzeit zu erkennen und zu klassifizieren.

Das KI-Modell erreicht schnell die erforderliche Genauigkeit zur Defekterkennung, und durch kontinuierliches Lernen im normalen Betrieb kann eine Genauigkeit von bis zu 99 % erzielt werden. Die gesamte Inspektionszeit pro Brett bleibt unter einer Sekunde, sodass Spielraum für zusätzliche Funktionen wie Farb- oder Höhenmessungen in der Zukunft besteht. Das System verarbeitet jedes Brett, markiert jeden fehlerhaften Pflasterstein und ist zusätzlich in der Lage, die Bedieneraktivität zu überwachen, um festzustellen, ob und wie schnell die Defekte behoben werden.

Pflasterstein bereit zur Inspektion

Accella KI-Vision-System erkennt einen Defekt an einem Betonpflasterstein.

Das Besondere an dieser Lösung ist nicht nur ihre Geschwindigkeit oder Genauigkeit, sondern vor allem ihre Konsistenz. Anders als menschliche Prüfer wendet KI bei jedem Produkt dieselben Qualitätskriterien an – unabhängig von Schicht oder Umgebungsbedingungen. Zudem passt sie sich schnell an neue Daten an, lernt aus Sonderfällen und aktualisiert ihre Erkennungsmodelle, ohne dass eine aufwändige Neuprogrammierung erforderlich ist. Die Integration in SPS-Systeme erfolgt nahtlos, und das System ist für die Anbindung an MES- und ERP-Systeme während des Rollouts ausgelegt.

Durch den Einsatz kostengünstiger Standard-Hardware und modularer Software ist die Lösung sowohl wirtschaftlich als auch skalierbar. Sie erfordert keine spezielle Eingabe durch Bediener und lässt sich mit minimalem Anpassungsaufwand auf weitere Stationen und Werke übertragen.

Fazit

Das Proof-of-Concept zeigte, dass KI-gestützte visuelle Inspektion mit LUCID Kameras nicht nur machbar, sondern in der Pflastersteinproduktion äußerst effektiv ist. Sie übertrifft manuelle Prüfungen in Bezug auf Geschwindigkeit, Zuverlässigkeit und Konsistenz und liefert darüber hinaus wertvolle Einblicke in das Bedienerverhalten und die Prozesseffizienz.

To learn more visit:
Accella AI
Triton® camera product page

Weitere Informationen finden Sie unter:
Accella AI
Triton® kamera