Verfahren zur Erkennung von fehlerhaften Pillen mit künstlicher Intelligenz

Gardner AG, Ingenieurbüro und Dienstleister im Bereich künstliche Intelligenz mit Sitz in Unterensingen, hat ein zeitsparendes Verfahren für die Erkennung fehlerhafter Pillen entwickelt Die schwierigste Aufgabe von maschinellem Lernen in Bildverarbeitungssystemen besteht darin, Bilder für einen Datensatz zu sammeln. Viel Zeit und qualifizierte Arbeit ist erforderlich um alle möglichen Ansichten und Unvollkommenheiten zu sammeln und zu katalogisieren. Noch dazu muss dieser Vorgang für jedes anders aussehende Produkt wiederholt werden. Gardner AG hat hierfür eine Lösung entwickelt, die den Zeitaufwand für die Inbetriebnahme solcher Systeme erheblich reduziert.

Das Verfahren setzt auf virtuelle Fehler - Dellen, Kratzer, Flecken etc.

Diese Verfahren kann makellose Geometrien in Form von CAD-Daten mit beliebigen virtuellen Fehlern verschmelzen. Aus diesen dann fehlerhaften Geometrien werden automatisch Bilder (siehe Beispiel) von diversen Ansichten und Fehlerausprägungen erstellt. Die Ergebnisse sind fotorealistisch, die hiermit trainierten Modelle können dann fehlerhafte von makellosen Geometrien unterscheiden. Nachdem es an einem Produkt erprobt wurde, können die virtuellen Fehler leicht auf weitere Produkte übertragen werden.

Gardner AG hat Pillen als ersten Testkandidaten ausgewählt, das Verfahren kann jedoch auf eine breite Palette an Produkten angewendet werden. Der gesamte Prozess vom Import der CAD-Daten, Verschmelzung mit virtuellen Fehlern, Datensatzgenerierung bis zur Inferenz mit dem trainierten Modell dauert nur wenige Minuten. Der Aufwand, im Vorfeld virtuelle Fehler zu erstellen, lohnt sich!