Vivaldi Digital Solutions
← Zurück zu allen Lösungen
vKIKI-Bilderkennung

Qualitätsprüfung, die sieht, lokalisiert und lernt.

vKI standardisiert visuelle Prüfungen, verbindet automatische Erkennung mit menschlicher Nachkontrolle und macht aus Bildern verwertbare Qualitätsinformationen für Entscheidung, Traceability und kontinuierliche Verbesserung.

KI beginnt vor dem Algorithmus

Bevor ein Modell überhaupt trainiert werden kann, muss die Datengrundlage stimmen: Kamera, Sensorik, Optik, Beleuchtung, Bauteilpositionierung und Takt werden so ausgelegt, dass reproduzierbare Bilder entstehen. Gerade bei sehr kleinen Defekten werden dafür mitunter mehrere Kameras beziehungsweise Sensoren pro Bauteil benötigt: die eigentliche Eintrittsbarriere einer industriellen KI-Lösung liegt nicht nur im Modelltraining, sondern im Know-how, aus einem realen Produktionsprozess stabile, reproduzierbare Daten zu erzeugen und die gesamte Kette zuverlässig zu betreiben.

Für die physische Basis planen, bauen und installieren wir gemeinsam mit Technologie- und Integrationspartnern individuelle Prüftunnel und modulare CamBoxen direkt vor Ort: von der einzelnen Kamerastation bis zum mehrzelligen Prüftunnel mit durchgängiger Status- und DMC-Anzeige.

3D-Visualisierung einer VIVALDI CamBox mit Roboterarm
3D-Visualisierung einer VIVALDI Rollbox
vKI im Einsatz

Vom Kamerabild zur Prüfentscheidung

Screenshot des VIVALDI Vision Demo Tools bei der industriellen Bildanalyse einer Leiterplatte

Bilder werden aufgenommen, durch das trainierte Modell analysiert und anhand definierter Schwellwerte bewertet. Erkannte Merkmale, Defekte oder Anomalien werden direkt im Bild visualisiert und unterstützen die Qualitätsentscheidung von Werker oder Prüfer.

Methoden

Zwei Wege, ein Ziel: Objekterkennung und Anomalieerkennung.

Je nach Prüfaufgabe kommt das passende Verfahren zum Einsatz: häufig auch in Kombination.

01 / OBJEKTERKENNUNG

Bekannte Fehlerbilder lokalisieren

Objekterkennungsmodelle identifizieren und lokalisieren definierte Merkmale oder Fehler im Bild: inklusive Position, Klassifizierung und Vertrauenswert. Geeignet für Vollständigkeitsprüfungen, Variantenkontrolle und die Lokalisierung bekannter Defekte.

02 / ANOMALIEERKENNUNG

Unbekannte Abweichungen erkennen

Das Modell lernt die charakteristischen Merkmale von Gutteilen: oft genügt dafür ein reiner Gutteil-Datensatz: und lokalisiert räumlich, wo, wie groß und in welchem Bereich eine Auffälligkeit vom Normalzustand abweicht.

03 / HYBRID

Kombinierte Prüfsysteme

Bei einer Montageplatte prüft die Objekterkennung zunächst, ob alle Bolzen und Komponenten vorhanden sind. Anschließend erkennt die Anomalieerkennung unbekannte Beschädigungen, Verformungen oder auffällige Oberflächen. So entsteht ein besonders robustes Prüfsystem.

Performance

Schnell genug für den Takt.

Inferenzzeiten hängen stark von Hardware, Modellkomplexität und Bildauflösung ab.

~70 msgroße YOLO-NAS-Variante auf einer High-End-GPU (RTX 3090)
~200 mskleine YOLO-NAS-Variante mit OpenVINO-Optimierung auf CPU
~100 msVivaldi-eigenes Memory-Bank-Anomaliemodell auf CPU (HD-Bild)

Ohne Beschleunigung liegt die große YOLO-NAS-Variante auf einer CPU bei rund 5 Sekunden: alle Modelle werden sowohl für ressourcenschonendes Edge-Deployment als auch für performante Hardware getestet und optimiert.

Aus der Praxis

Referenzfälle mit belastbaren Zahlen

E-Motorengehäuse, vollautomatisierte 100%-Prüfung: Bis zu 2.400 Gehäuse werden täglich über 42 Sensoren geprüft. Fehlstellen ab 0,2 mm werden gemäß Fehlerkatalog prozesssicher erkannt, die Prüfzeit liegt bei maximal 36 Sekunden pro Bauteil. Fehlerhafte Bauteile werden automatisch ausgeschleust, durch eine menschliche Nachkontrolle zusätzlich geprüft und gleichzeitig verpackt.

Statorhülsen-Prüfung bei einer Produktionsstätte in Tschechien: Die Prüfung läuft mit rund ein bis fünf Sekunden je Bauteil, mehrere Tausend Teile wurden bereits geprüft und die manuelle Prüfung wurde deutlich reduziert: bei durchgängigem Human-in-the-Loop-Prinzip.

Heatmap-Auswertung erkannter Merkmale an einer Statorhülse in der VIVALDI Oberfläche

Der Mensch bleibt im Prozess

vKI muss nicht jedes Bauteil vollautomatisch entscheiden. Eindeutige Ergebnisse können automatisiert verarbeitet werden, während auffällige oder unsichere Fälle über vCHECK einem Mitarbeiter zur Nachbewertung vorgelegt werden. So wird die menschliche Erfahrung gezielt dort eingesetzt, wo eine automatisierte Bewertung nicht ausreichend sicher ist.

Bestätigt oder korrigiert ein Mitarbeiter ein KI-Ergebnis, entstehen daraus wertvolle Trainingsdaten für die Weiterentwicklung des Modells über vKI Studio: Prüfung und Modellpflege werden so Teil eines durchgängigen Kreislaufs.

Business-Mehrwert

Was vKI im Alltag verändert

  • Standardisierte, reproduzierbare Prüfergebnisse unabhängig von Tagesform
  • Entlastung der Prüfer durch automatisierte Vorprüfung
  • Frühzeitige Lokalisierung von Fehlstellen statt reiner Gut/Schlecht-Meldung
  • Nahtlose Verbindung von Prüfergebnis, Bild und Produktionskontext über vPRODIS
  • Grundlage für kontinuierliche Modellverbesserung über vKI Studio
Nächster Schritt

Welche Prüfaufgabe beschäftigt Sie gerade?

Wir schauen gemeinsam auf Ihr Bauteil, Ihre Fehlerbilder und Ihre Taktzeit: und ordnen ein, welches Verfahren passt.