Die Voestalpine Böhler Edelstahl GmbH & Co. KG stellt Hochleistungsstähle und Nickelbasislegierungen her. Ein Zwischenprodukt bei der Produktion von Edelstahlerzeugnissen sind sogenannte Knüppel. Diese haben einen quadratischen Querschnitt und werden zur weiteren Verarbeitung gewalzt. Für die Qualität der Endprodukte ist es entscheidend, dass diese Walzknüppel an ihrer Oberfläche keine Fehler wie Schlackeneinschlüsse oder Risse aufweisen. Wird ein derartiger Defekt erkannt, wird der Knüppel weiter geschliffen, bis die Oberfläche einwandfrei ist. Über die optimale Schleifbehandlung und die Zahl der nötigen Schleifdurchgänge entschieden bisher Mitarbeiter:innen, die die Oberfläche optisch nach Fehlern absuchen. Dem AIT Center for Vision, Automation & Control (VAC) ist es in Kooperation mit Voestalpine Edelstahl gelungen, hierfür ein Prüfverfahren zu entwickeln. Dazu nahmen die Forscher:innen bei der Art, wie ein Mensch ein Objekt prüft, Anleihe. „Meistens kann man Defekte im Sub-Millimeter-Bereich nur unter einem bestimmten Betrachtungs- bzw. Beleuchtungswinkel erkennen. Wenn eine Person ein Objekt inspiziert, betrachtet sie es daher aus verschiedenen Richtungen“, erläutert Petra Thanner, vom AIT Center. Dies wird von der am AIT entwickelten Inline Computational Imaging (ICI) Technologie nachgeahmt: Dabei ist eine Kamera fix über einem Prüfgegenstand installiert, der sich darunter bewegt. Beleuchtet wird die Szene aus vier verschiedenen Richtungen. Diese sind so gewählt, dass der Unterschied zwischen Rissen und normalen Schleifspuren möglichst klar hervortritt. Die rohen Kamerabilder, auf denen die Defekte unterschiedliche Schattenwirkungen haben, werden im nächsten Schritt mithilfe von Photometrie-Verfahren weiterverarbeitet: Dabei wird zusätzlich zu detaillierten und kontrastreichen 2D-Bildern auch ein exaktes 3D-Modell der Oberfläche berechnet, in dem sich Oberflächendefekte noch deutlicher abzeichnen. Um diese Strukturen nun entweder als normale Schleifriefen oder als Fehler einzustufen, kommen KI-Methoden zum Einsatz: Ein Neuronales Netz wurde mit unzähligen Kamerabildern trainiert, bei denen zuvor händisch gekennzeichnet wurde, um welche Art von Oberflächenstruktur es sich handelt. Das KI-System lernte, unerwünschte Defekte sicher zu erkennen und in den Kamerabildern farblich zu kennzeichnen. Das Prüfsystem ist mittlerweile als Pilotanlage bei der Voestalpine Edelstahl implementiert. Es prüft direkt neben der Schleifkammer die Oberflächen der vier Knüppelseiten mit einer Genauigkeit von 50µm bei einer Geschwindigkeit von 24m/min.
