Dazu haben die Forscher ein Mikroskop in die Fräsmaschine integriert. Es nimmt während der Bearbeitung zwischen den einzelnen Bearbeitungsschritten automatisiert Bilder des Fräswerkzeugs auf. Inspiriert von medizintechnischen Verfahren entwickelten sie Techniken zur Bildsegmentation, auf deren Basis industrie-typische Bewertungskenngrößen des Werkzeugzustands abgeleitet werden können. Um das empfindliche Mikroskop in der rauen Umgebung der Werkzeugmaschine zu schützen, konstruierten die Forschenden ein widerstandsfähiges Gehäuse mit Sperrluftfunktion, das Kühlschmierstofftropfen von der Kamera fern hält.
Die erfassten Bilder dienen als Trainingsdaten für das KI-gestützte Bildverarbeitungsprogramm, das die Partner im Laufe des Projekts entwickelten. Das Programm ist in der Lage, Werkzeugtypen zu klassifizieren, verschlissene Bereiche zu aufzuzeigen und Verschleißmetriken zu berechnen.
Um den vorgelagerten manuellen Aufwand für das Training der Künstlichen Intelligenz zu verringern, nutzten Forscher einen neuen Ansatz: Sie erstellen mithilfe generativer Algorithmen und neuronaler Netzwerke synthetische Bilddaten um dadurch die Datenbasis künstlich zu vergrößern. Zudem werden die realen Bilder mit einfachen Augmentationstechniken, etwa Spiegeln oder Drehen, verändert und vervielfältigt.
Praxistest bestätigt Leistungsfähigkeit
Das Kamerasystem und das Bildverarbeitungsprogramm bestanden im abschließenden Projektabschnitt unter realen Bedingungen den ersten Praxistest: Die Automatisierung der Bildaufnahme und die hohe Qualität der aufgenommenen Fotos übertrafen die Erwartungen des Projektteams. Das Kameragehäuse erwies sich als robust genug, um die Mikroskopieeinheit zuverlässig zu schützen. Die KI der Bildverarbeitungssoftware identifizierte äußerst zuverlässig und präzise die visuell erfassbaren Verschleißformen.
Die Anwendung wird nun weiter gezielt für den industriellen Einsatz optimiert: Weiteres Ziel ist es, die KI-Modelle weiter zu verfeinern, um Verschleißerscheinungen noch präziser zu identifizieren und zu analysieren. In einer engen Zusammenarbeit mit spezialisierten Hardwarelieferanten gilt es nun, die neue KI-Anwendung schnell in die industrielle Praxis zu überführen.
Hier finden Sie mehr über:
