Automatisierte Risserkennung mit KI im Audi-Presswerk

KI bei Audi

Automatisierte Risserkennung mit KI im Audi-Presswerk

Audi wird zukünftig Deep Learning in der Serienproduktion einsetzen. Die selbst entwickelte Software erkennt und markiert im Presswerk automatisch feinste Risse in Blechteilen in Sekunden.

Eine Deep-Learning-Software erkennt bei Audi automatisch mit höchster Präzision feinste Risse in Blechen im Presswerk und markiert die Stelle zuverlässig. (Bild: Audi AG)

Eine Deep-Learning-Software erkennt bei Audi automatisch mit höchster Präzision feinste Risse in Blechen im Presswerk und markiert die Stelle zuverlässig. (Bild: Audi AG)

Aufgrund des immer anspruchsvolleren Designs der Autos und der hohen Qualitätsstandards überprüft Audi alle Bauteile direkt nach der Herstellung im Presswerk. Neben der Sichtprüfung durch Mitarbeiter sind dazu mehrere kleine Kameras direkt in den Pressen verbaut. Diese werten die aufgenommenen Bilder mit Hilfe von Bilderkennungs-Software aus. Dieser Vorgang soll durch ein Deep-Learning-Verfahren abgelöst werden. Im Hintergrund des Verfahrens arbeitet eine Software, deren Basis ein komplexes künstliches neuronales Netz ist. Die Software erkennt feinste Risse in Blechen und markiert die Stelle zuverlässig. „Unsere automatisierte Bauteilprüfung erproben wir derzeit in unserem Ingolstädter Presswerk für den Serieneinsatz“, sagt Jörg Spindler, Leiter des Kompetenzcenters Anlagen- und Umformtechnik. Mit mehreren Millionen Prüfbildern hat das Team über Monate das künstliche neuronale Netz trainiert. Die größten Herausforderungen waren zum einen das Aufbauen einer ausreichend großen Datenbasis und zum anderen das Labeln der Bilder. Dabei markierte das Team pixelgenau Risse in den Beispielbildern. Der Aufwand hat sich gelohnt, denn anhand der Beispiele lernt das neuronale Netz nun selbstständig und erkennt Risse auch bei neuen, bislang unbekannten Bildern. Mehrere Terabyte an Prüfbildern aus sieben Pressen am Audi-Standort Ingolstadt und von mehreren Volkswagen-Standorten bilden die Datenbasis. Die Software entstand überwiegend in-house. So arbeitet die Innovationsabteilung der Audi IT seit Mitte 2016 mit dem Bereich Produktionstechnologie aus dem Kompetenzcenter für Anlagen- und Umformtechnik. In Zukunft soll die neue Qualitätsprüfung die bisher eingesetzte optische Risserkennung mit Smart-Kameras ablösen. Der ML-Ansatz lässt sich künftig auch bei anderen optischen Qualitätsprüfungen einsetzen. Liegt eine ausreichend große Zahl gelabelter Datensätze vor, kann die Lösung z.B. auch in Lackiererei oder Montage unterstützen.

Audi AG
www.audi.de

Das könnte Sie auch Interessieren

Bild: Rauscher GmbH
Bild: Rauscher GmbH
CPU-Entlastung

CPU-Entlastung

Mit der Netzwerkkarte GevIQ löst Matrox Imaging (Vertrieb Rauscher) die aktuellen technischen Nachteile von Highend-GigE-Vision-Systemen. Die grundlegende Idee ist, die CPU durch eine zusätzliche Karte – ähnlich wie bei einem Framegrabber – zu entlasten und das De-Paketizing der Bilder ohne CPU-Einsatz vorzunehmen.