Auf dem aktuellen Markt für industrielle KI-Bildverarbeitung basieren viele Lösungen lediglich auf einer einfachen Übernahme generischer Algorithmen. Tragfähige Deep-Learning-Prüfsysteme, die dauerhaft stabil auf Fertigungslinien laufen, sind jedoch niemals oberflächliche „Hüllprojekte“, bei denen lediglich Modelle heruntergeladen und Parameter eingestellt werden.
Xispek konzentriert sich auf das Wesentliche industrieller Deep-Learning-Prüfung: den Aufbau eines geschlossenen Gesamtsystems, abgestimmt auf reale Fabriken – von der Datenerfassung bis zur serienreifen Umsetzung.
Die vollständig eigenentwickelte Deep-Learning-KI-Prüftechnologie von Xispek ist inzwischen im Einsatz und wurde bei einem führenden Keksproduzenten an der Produktionslinie validiert. Gegenüber herkömmlicher Bildverarbeitung bietet diese KI-Prüfung eine deutliche qualitative Verbesserung. Das System optimiert das Modell durch autonomes Lernen kontinuierlich weiter und erkennt feine Mängel, die mit klassischen Bildverfahren nicht eindeutig beschrieben werden können. Es unterstützt Hersteller bei der Qualitätssteigerung und generiert durch Technologie nachhaltigen Mehrwert für Kunden.
Zusätzlich ist die Deep-Learning-KI-Prüfung nicht nur für die Fehlererkennung bei Sandwichkeksen geeignet. Sie funktioniert ebenso zuverlässig bei der Prüfung von Aufdrucken auf Versandkartons sowie auf dem Boden von Getränkedosen.
(Herkömmlicher Ablauf vs. KI-Ablauf)
Herkömmliche Bildverarbeitung: Beurteilungssystem auf Basis manuell vordefinierter Regeln
Für jede Fehlerart müssen Schwellwerte, Konturen, Graustufen und Maßvorgaben manuell eingestellt werden. Bei Schwankungen der Linienbeleuchtung, geringfügigen Produktverformungen sowie unregelmäßigen Fehlerformen verlieren vordefinierte Regeln schnell ihre Funktionsfähigkeit.
Bei schwer standardisierbaren Mängeln wie Kratzern, Materialüberschüssen und unregelmäßigen Oberflächenfehlern kommt es häufig zu nicht erkannten Fehlern, hohen Falschausscheidequoten und ständiger manueller Parametereinstellung. Dies beeinträchtigt die Produktion und stellt seit langem eine schwer lösbare Herausforderung der Qualitätskontrolle in der Lebensmittel- und Backwarenindustrie dar.
(Herkömmliche Bildverarbeitung: Geeignet für großflächige und typische Fehler)
Xispek KI-Prüfung: Aus den Grenzen regelbasierter Verfahren ausbrechen
Wir realisieren einen durchgängigen geschlossenen KI-Zyklus: Datenerfassung → Probenmarkierung → Modelltraining → Anpassung und Einstellung vor Ort → Iterative Optimierung für eine stabile Serienproduktion. Der Ablauf gliedert sich klar in zwei Phasen:
Vor der offiziellen Inbetriebnahme werden umfangreiche Bilder direkt an der echten Fertigungslinie des Kunden erfasst. Es werden zahlreiche Muster fehlerfreier Produkte sowie vielfältiger Fehler gesammelt, um eine exklusive Hochwertbilddatenbank aufzubauen. Durch präzise Markierung lernt die KI selbstständig das normale Erscheinungsbild der Produkte sowie die Merkmale sämtlicher Fehlerarten kennen.
Während der Serienproduktion ist keine dauernde manuelle Parametereinstellung erforderlich. Industriekameras nehmen Echtzeitbilder der Produkte auf. Die KI unterscheidet unverzüglich zwischen guten und fehlerhaften Produkten und veranlasst über die verbundene Anlage das automatische Aussortieren mangelhafter Teile.
① Offline-Verfeinerung zur Fundierung des Modells (entscheidender Schritt vor der Inbetriebnahme)
Nach mehreren Iterationen und Tests wird das ausgereifte Modell, sobald die Erkennungsgenauigkeit Industriestandards erfüllt, gemeinsam mit Industriekameras und der Linienautomatik abgestimmt. Erst bei nachgewiesener Stabilität erfolgt der Produktionsstart.
② Autonomer Online-Betrieb für dynamische Produktionsverhältnisse
Bei komplexen und wechselnden Bedingungen an der Fertigungslinie wählt das System selbstständig die optimale Prüflogik. Es ist nicht mehr wie herkömmliche Algorithmen auf idealisierte Produktionsumgebungen angewiesen.
(Keine manuelle Definition nötig – das KI-System lernt autonom)
Hohe Störfestigkeit: Im Inneren der Sandwichkeksmaschinen liegen komplexe Hintergrundverhältnisse vor. Trotz Störungen durch Füllmasse-Rückstände und Keksbrösel bleibt eine hohe Erkennungsrate erhalten.
Bei langfristigem Betrieb von Keksfertigungslinien sammeln sich an dem Prüffenster leicht Ölverschmutzungen an. Dadurch entstehen überbelichtete Aufnahmen, die häufig zu Falschausscheidungen führen. Die Deep-Learning-KI-Prüfung zeichnet sich durch eine höhere Stabilität und Robustheit aus und reduziert Produktionsverluste.
Hohe Fehlererkennungsrate: Feinste Risse, Brüche, kleine Ausbrüche und weitere Mängel, die mit herkömmlicher Bildverarbeitung kaum erfassbar sind, werden präzise identifiziert. Mit zunehmender Betriebsdauer erweitert die KI ihre Lernfähigkeit kontinuierlich, das Modell vervollständigt sich weiter. Dadurch erreichen Prüfgenauigkeit und Stabilität ein optimales Niveau.
Kein wiederholtes Einstellen von Parametern erforderlich: Die Deep-Learning-KI-Prüfung senkt die Anforderungen an das Bedienpersonal. Aufgrund von Produktwechseln, neuen Fehlerarten, Lichtschwankungen oder veränderten Aufnahmewinkeln entfällt das ständige Nachjustieren. Das System ist einfach zu bedienen und sofort einsatzbereit.
Aufrüstung bestehender Anlagen möglich: Die Deep-Learning-KI-Prüfung lässt sich direkt auf Anlagen mit herkömmlichen Algorithmen nachrüsten.
Freier Algorithmuswechsel: Klassische Bildverarbeitungsalgorithmen für Kekse und die KI-Prüfalgorithmen lassen sich schnell umschalten. Diese Funktion ist besonders wichtig zu Projektbeginn. Sie löst das Problem, dass für die KI-Modellierung umfangreiche Trainings- und Validierungsbilddatensätze aufgebaut werden müssen und erfüllt den Wunsch der Hersteller nach einer schnellen Inbetriebnahme.
Mr. Su：13912634161