Vivaldi Digital Solutions
资助项目KI-FEP

自动化渗透检测, 由 AI 赋能。

AI 系统实现渗透检测自动化,可靠识别缺陷,减少伪显示,助力工业质量提升。

项目信息

项目概览

  • 项目:KI-FEP 基于 AI 的自动化渗透检测
  • 资助对象:Vivaldi Digital Solutions GmbH,Harsum
  • 项目周期:2026年9月1日至2029年8月31日
  • 资助计划:下萨克森州企业研发创新资助计划
  • 资助方:欧洲区域发展基金(EFRE)和下萨克森州
资助

由欧盟和下萨克森州提供支持。

本项目由欧洲区域发展基金(EFRE)和下萨克森州资助。

Kofinanziert von der Europäischen Union – Europa für Niedersachsen

一项关键的检测工艺,目前仍主要依靠人工完成。

渗透检测(FEP)可使裂纹、气孔等表面缺陷变得可见。检测时,将在紫外光下发出荧光的渗透剂施加到零件表面。渗透剂会聚集在肉眼原本无法看到的缺陷中,例如微裂纹,从而将其显现出来。

挑战: 面对结构复杂的零件和多样的损伤形态,工业实践中的检测通常仍完全依靠人工完成。尤其困难的是区分伪显示(例如由模具裂纹引起)与真实的零件裂纹。这需要丰富的经验以及对零件三维形状的了解。

人工检测耗时较长,占用经过培训的人员,且由于评判取决于检测人员,结果存在较大离散性。此外,人工检测几乎不产生可用于工艺优化或预测性维护的结构化数据。

现状

这在实践中意味着什么

  • 视觉检测是价值链中容易形成瓶颈的环节。
  • 伪显示可能导致不必要的废品。
  • 检测专业人员难以补充。
  • 检测结果的可重复性有限,且难以分析。
项目内容

让渗透检测 实现自动化。

在“KI-FEP 基于 AI 的自动化渗透检测”项目中,Vivaldi Digital Solutions GmbH 与合作伙伴共同开发一套基于 AI、可自动执行渗透检测的系统。该系统旨在可靠地识别和分类缺陷,并将真实缺陷与伪显示区分开来。

01 / 识别

可靠识别缺陷

对近表面缺陷进行检测与分类,以客观、标准化的方式取代主观判断。

02 / 区分

减少伪显示

将真实裂纹与伪显示及非关键表面特征区分开来。

03 / 评估

助力工业质量

按优先级排序的评估结果,引导检测人员有针对性地关注相关检出结果。

不止于识别

测量缺陷,让数据可用

此外,该系统还将对缺陷几何形状进行定量测量,即缺陷的长度、宽度和扩展范围,并与针对零件不同区域的符合性判定标准进行比对。由此产生的结构化数据可用于视情维护,以及制造和维修工艺的优化。

融合图像数据、AI 与零件三维知识。

其基础是将日光和紫外光下的图像采集、数据驱动的图像分析以及与零件三维模型的关联相结合。由此,系统能够对图像信息进行空间定位,并借助零件几何形状更好地识别伪显示。

模块化、可迁移: 系统采用模块化架构,可灵活集成到不同的工业应用中。通用化的处理流程(Pipeline)旨在简化向其他零件类型和应用领域的适配。

系统的潜在应用领域: 铸造、汽车、航空、机械制造、能源技术。

技术路线

项目中的技术

  • 在普通光和紫外光下自动采集图像并进行分析
  • 深度学习方法,包括卷积神经网络以及图像分块(Patching)和元学习(Meta-Learning)方法
  • 结合位姿估计的三维图像投影,用于缺陷的空间定位
  • 合成生成的训练数据,以降低获取真实图像数据的工作量
  • 考虑环境温度、光照强度等工艺参数
处理流程

从图像采集 到符合性检测。

本项目分为六个技术模块,由联合体成员分工承担。

步骤 01 · VIVALDI

模块化数据采集系统

配备日光和 UV-A 相机及照明单元的检测台,采集图像数据以及温度、环境光等工艺参数。

步骤 02 · VIVALDI

标注与数据集生成

用于高效、半自动化缺陷标注的工具,为训练和验证提供经过质量保证的数据集。

步骤 03 · SIGHTWISE GMBH

数据增强与数据准备

基于物理渲染生成的合成图像数据补充真实图像,使模型更加稳健。

步骤 04 · LEIBNIZ UNIVERSITÄT HANNOVER (IMR)

损伤分割与分类

AI 模型在图像中发现缺陷、划定其边界并进行分类,尤其是判定为真实裂纹还是伪显示。

步骤 05 · SIGHTWISE GMBH

位姿估计与三维图像数据投影

根据图像确定零件的位姿,从而将像素映射到三维模型上,并对检出结果进行空间定位。

步骤 06 · LEIBNIZ UNIVERSITÄT HANNOVER (IMR)

三维符合性检测

测量缺陷的长度、宽度和扩展范围,并与零件特定的判定标准进行比对。检测结果将被记录存档。

项目成果

面向工业实践的系统演示装置

带 AI 评估的检测单元: 项目的核心成果是一套系统演示装置:一个手动上料的检测单元,零件在其中接受普通光和紫外光照射,并由多台相机拍摄。所开发的 AI 对图像进行评估,评估结果及详细的检出信息显示在屏幕上。该演示装置将与关联工业合作伙伴在真实条件下共同测试,用于在实践中展示该系统的工业价值。

预期效益

对质量保证

  • 检测结果的可重复性更高
  • 误判更少,废品更少
  • 缩短检测时间,提升复杂零件渗透检测的经济性
  • 更高的透明度和端到端的数字化可追溯性
预期效益

对员工与环境

  • 减轻专业人员负担,例如减少在暗化紫外检测间内的工作
  • 减少与化学检测试剂的接触
  • 借助自动化和辅助系统,减少高体力负荷的作业
  • 减少废品和重复检测,节约资源

以上描述的是项目的目标和预期效果,而非已取得的成果。

项目合作伙伴

联合研发项目: 产业与科研携手。

本项目作为联合研发项目,由两家企业和一家科研机构共同实施。Vivaldi Digital Solutions GmbH 为联合体牵头方。

联合体牵头方

Vivaldi Digital Solutions GmbH

将硬件集成到现有检测流程中,开发可追溯性和结构化数据平台。

企业

Sightwise GmbH

合成数据的生成与应用、位姿估计以及三维图像数据投影。

科研机构

Leibniz Universität Hannover, IMR

在测量与控制技术研究所(IMR)开发 AI 算法及三维符合性检测方法。

项目还得到来自工业界的关联合作伙伴的支持,他们以领域专家、试点用户和潜在未来客户的身份参与其中。

明智的下一步

一起探讨您的流程。

请告诉我们您当前面临的挑战。我们将与您共同研判,哪种解决思路最符合您的质量目标。