Maddox AI automatisiert die visuelle Endprüfung von Gelenkzapfen zuverlässig und hochpräzise – selbst bei komplexen Oberflächengeometrien, anspruchsvollem Handling und zonenabhängigen Fehlerkatalogen.
Produkt
Industrie
Gesamtersparnis / Jahr
Unser Kunde prüft sicherheitsrelevante Gelenkzapfen mit komplexer Oberflächengeometrie in der visuellen Endprüfung. Die Bauteile verfügen über anspruchsvolle Strukturen wie Riffelungen und verschiedene Funktionsflächen, die eine hochpräzise Bilderfassung erfordern.
Die bisherige Lösung basierte auf einem regelbasierten Bildverarbeitungssystem. In der Praxis führte dies zu einer hohen Pseudoausschussrate, da Schwankungen in Bildqualität, Beleuchtung und Bauteilposition die Prüfergebnisse stark beeinflussten. Gleichzeitig waren die Fehlerklassen zu komplex für eine starre regelbasierte Logik – insbesondere dann, wenn identische Defekte je nach Position auf dem Bauteil unterschiedlich bewertet werden mussten.
Zusätzlich stellte auch die Integration hohe Anforderungen: Mehrere Roboter, große Kameraabstände sowie geschützte und zugleich präzise justierte Kamerapositionen machten die Umsetzung besonders anspruchsvoll.
Mit Maddox AI wurde das bestehende Regelwerk durch passgenaue, KI-basierte Inspektionsmodelle ersetzt. Die Modelle lernen komplexe und kontextabhängige Fehlermuster direkt aus Bilddaten. Ergänzend ermöglichen Regions of Interest pro Bild die klare Unterscheidung zwischen relevanten und nicht relevanten Bereichen sowie die zuverlässige Abbildung zonenabhängiger Fehlerkataloge.
Das regelbasierte System reagierte stark auf Unterschiede in Bildqualität, Beleuchtung und Positionierung.
Die KI-Modelle bewerten Bauteile auch bei variierenden Aufnahmebedingungen stabil und zuverlässig.
Gleiche Defekte konnten abhängig von ihrer Position auf dem Bauteil nicht sicher unterschiedlich bewertet werden.
Regions of Interest ermöglichen die sichere Unterscheidung zwischen relevanten und nicht relevanten Bereichen.
Riffelungen und Funktionsflächen waren für starre Prüfregeln zu anspruchsvoll.
Regions of Interest ermöglichen die sichere Unterscheidung zwischen relevanten und nicht relevanten Bereichen.
Das regelbasierte System reagierte stark auf Unterschiede in Bildqualität, Beleuchtung und Positionierung.
Gleiche Defekte konnten abhängig von ihrer Position auf dem Bauteil nicht sicher unterschiedlich bewertet werden.
Riffelungen und Funktionsflächen waren für starre Prüfregeln zu anspruchsvoll.
Die KI-Modelle bewerten Bauteile auch bei variierenden Aufnahmebedingungen stabil und zuverlässig.
Regions of Interest ermöglichen die sichere Unterscheidung zwischen relevanten und nicht relevanten Bereichen.
Auch anspruchsvolle Oberflächenstrukturen und kontextabhängige Fehlermuster werden sicher erkannt.
Modellgenauigkeit
für die vollständige Inspektion
reduzierter Pseudoausschuss
Sie möchten mehr über unsere Lösung erfahren? – jetzt kostenlos testen!
We are ISO 27001 certified.