KI-gestützte Fehlererkennung bei Gummimatten: Erfahren Sie, wie wir unser AI-Modell entwickelt haben

In der heutigen, sich schnell entwickelnden Fertigungslandschaft ist die Aufrechterhaltung der Produktqualität wichtiger denn je. Data Spree hat eine KI-gestützte Lösung zur Erkennung von Schäden an Gummimatten entwickelt, die einen neuen Ansatz für die Qualitätskontrolle in Echtzeit bietet. Gummimatten sind aufgrund ihrer Langlebigkeit, Rutschfestigkeit und Stoßdämpfung in einer Vielzahl von Branchen unverzichtbar, von der Automobilindustrie bis zur Fertigung.

Eine konsequente Qualitätskontrolle ist jedoch notwendig, um eine Verschlechterung zu verhindern und ihre Wirksamkeit in stark beanspruchten Umgebungen zu erhalten. Unser fortschrittliches KI-Modell sorgt für eine frühzeitige Erkennung von Verschleißerscheinungen und verhindert so kostspielige Produktausfälle.

‍
Schritte zur Erstellung eines effizienten AI-Modells für die Erkennung von Gummimattenbeschädigungen

‍
1. Datenerhebung für KI-Training

Wir begannen mit der Zusammenstellung eines Datensatzes von 279 hochauflösenden Bildern von Gummimatten. Diese wurden in 218 Trainingsbilder und 64 Testbilder unterteilt, um unser KI-Modell zu trainieren.

Durch den Einsatz fortschrittlicher Bildgebungsverfahren wie Flutlicht und Lichtbalken stellten wir sicher, dass auch die kleinsten Defekte erfasst wurden.

‍

2. Hochladen, Zuordnung und Datenanalyse

Nachdem wir die Bilder gesammelt hatten, luden wir sie auf unsere KI-Plattform hoch, wo wir die Schäden manuell mit Anmerkungen versahen. Dies war ein wichtiger Schritt, um der KI zu helfen, zwischen unberührten und beschädigten Bereichen zu unterscheiden. Es wurden Heatmaps erstellt, um zu visualisieren, worauf sich die KI bei der Analyse konzentrierte, und um die Genauigkeit des Modells vor dem Training zu verfeinern.

‍

3. K

Es wurden mehrere KI-Modelle getestet, um das effektivste Modell für die Erkennung und Klassifizierung von Schäden an Gummimatten zu ermitteln, wobei wir die Beleuchtungsbedingungen und die Bildqualität angepasst haben, um die Vorhersagekraft des Modells zu verbessern.

‍

‍

Leistung und Ergebnisse des AI-Modells

Die Effektivität unseres KI-Modells wurde anhand wichtiger Leistungskennzahlen gemessen:

• F1-Score: Unser Modell erreichte einen nahezu perfekten F1-Score, was seine hohe Genauigkeit bei der Vorhersage sowohl unbeschädigter als auch beschädigter Matten bestätigt. Der F1-Score ist eine Metrik, die das Gleichgewicht zwischen Präzision (wie viele der vorhergesagten positiven Ergebnisse tatsächlich korrekt sind) und Recall (wie viele der tatsächlichen positiven Ergebnisse richtig erkannt wurden) misst.
• Recall: Die hohe Recall-Rate bestätigte, dass unser Modell alle relevanten Fälle von Schäden erkannt hat. Recall bezeichnet den Anteil der tatsächlich positiven Fälle (z. B. beschädigte Matten), die vom Modell korrekt identifiziert wurden.
• Accuracy: Das Modell lieferte konstant korrekte Vorhersagen mit einer Genauigkeit (Accuracy) nahe 1,0. Accuracy misst, wie oft das Modell insgesamt richtige Vorhersagen trifft – also den Anteil der korrekten Klassifikationen an allen Vorhersagen.
• Loss: Ein kontinuierlicher Rückgang des Verlusts (Loss) während des Trainings deutete auf die stetige Verbesserung des Modells hin. Der Loss beschreibt den Fehler oder die Abweichung des Modells in der Vorhersage; je niedriger der Wert, desto besser lernt das Modell im Laufe der Zeit.

‍

Unsere KI-Lösung erreichte eine 100-prozentige Genauigkeit bei der Erkennung von Schäden in Echtzeit, mit einer unglaublich schnellen Erkennungszeit von 20-30 Millisekunden. Dies macht unser Modell äußerst effizient für den Einsatz in automatisierten Qualitätskontrollsystemen in Produktionsumgebungen.

‍

Interessiert an KI-getriebener Qualitätskontrolle?

Unser KI-System kann die Qualitätskontrolle in Ihrem Fertigungsprozess durch Schadenserkennung in Echtzeit erheblich verbessern. Kontaktieren Sie uns noch heute, um zu erfahren, wie unsere KI Ihre Produktionslinie verbessern kann.

‍

Lernen Sie mehr über unsere Qualitätskontrolle und unsere KI-Plattform.