ORAFOL reduziert optische Inspektionszeiten mit Zebra

Die ORAFOL Fresnel Optics GmbH hat die Inspektionszeit für ihre optischen Linsen durch den Einsatz einer auf künstlicher Intelligenz basierenden Bildverarbeitungslösung von Zebra Technologies halbiert. Angesichts der Komplexität der manuellen Prüfung von Kunststoffkomponenten, die teilweise nur 4 mm im Durchmesser messen, automatisierte das deutsche Unternehmen den Prozess, um einen kontinuierlichen Betrieb (24/7) zu gewährleisten und die lückenlose Rückverfolgbarkeit von bereits über 1,5 Millionen geprüften Linsen sicherzustellen.

Automatisierung einer komplexen Qualitätskontrolle
Vor dieser Integration erforderte die Inspektion der Mikrostrukturen von Fresnel-Linsen den Einsatz von 15 Mitarbeitern, die jedes Teil unter spezieller Beleuchtung prüften. Um der visuellen Ermüdung und der mangelnden Konstanz dieser repetitiven Aufgabe entgegenzuwirken, entschied sich ORAFOL für die Software Zebra Aurora Vision Studio in Kombination mit dem Modul Aurora Deep Learning. Diese No-Code-Plattform, die mit Standardkameras kompatibel ist, wurde mit einem maßgeschneiderten optischen Drehturm gekoppelt, der speziell für die Erfassung kleinster Linsendetails entwickelt wurde. Laut Rico Traxdorf, Mitglied des Produktions- und Technologieteams, wendet das System nun streng objektive Ausschlusskriterien an und eliminiert jegliche Variabilität menschlicher Interpretation bei Kratzern oder Defekten.

Skalierung durch Partner-Integration
Aufgrund des Erfolgs dieses ersten Einsatzes und steigender Produktionsmengen hat sich ORAFOL mit ID Engineering, einem Partner-Integrator von Zebra, zusammengetan, um ein zweites Inspektionssystem mit höherem Durchsatz für andere Arten von optischen Fenstern zu entwickeln. Wie Jason Harvey, VP of AI and Automation EMEA bei Zebra Technologies, betont, ermöglicht die Integration von Deep Learning nah an den Produktionslinien die Verknüpfung digitaler und physischer Umgebungen. So lassen sich komplexe industrielle Herausforderungen bei der optischen Inspektion lösen, während die Mitarbeiter für wertschöpfendere Aufgaben eingesetzt werden können.

Zusätzlicher Kontext: Die optischen Herausforderungen von Fresnel-Linsen im Vergleich zur klassischen Bildverarbeitung
Dieser Abschnitt beschreibt Dynamiken der optischen Inspektion und der künstlichen Intelligenz, die in der ursprünglichen Pressemitteilung nicht enthalten sind.

Die automatisierte Inspektion von Fresnel-Linsen stellt eine der größten Herausforderungen in der industriellen Bildverarbeitung (Machine Vision) dar. Im Gegensatz zu einer klassischen konvexen Linse mit glatter Oberfläche besteht eine Fresnel-Linse aus einer Reihe von gestuften konzentrischen Ringen (Mikroprismen). Bei einer Kamerainspektion beugen und reflektieren diese konzentrischen Rillen das Licht auf chaotische Weise, was zu starkem optischem Rauschen, Moiré-Effekten und störenden Reflexionen führt. Herkömmliche, "regelbasierte" Bildverarbeitungsalgorithmen (die nach starken Kontrasten oder definierten geometrischen Konturen suchen) sind nicht in der Lage, zwischen einem echten Kratzer, einem Kunststoffspritzgussfehler (Short-Shot) und der normalen Reflexion eines Mikroprismas zu unterscheiden. Genau hier wird Deep Learning (tiefes Lernen über faltende neuronale Netze) unverzichtbar. Anstatt mit strengen mathematischen Regeln programmiert zu werden, wird das KI-Modell mit Tausenden von Bildern von "guten" und "fehlerhaften" Linsen trainiert. Dadurch lernt es selbstständig, das der Fresnel-Struktur innewohnende optische Rauschen zu ignorieren und sich ausschließlich auf strukturelle Anomalien zu konzentrieren, was die automatisierte Inspektion von 4 mm kleinen Bauteilen erst möglich macht.

Bearbeitet von dem Industrieredakteur Lekshman Ramdas mit KI-Unterstützung.

www.zebra.com