Hammer-IMS macht Fortschritte in der Maschinenvision und künstlichen Intelligenz als zusätzliches Auge in der Qualitätskontrolle von Textilien, Kunststoffen und anderen inline produzierten Produkten. Kürzlich haben die Ingenieure von Hammer-IMS in Zusammenarbeit mit dem PXL Electronics and ICT Campus in Hasselt (Toon Sterckx) eine kameraunterstützte Fehlererkennung auf der Basis von maschinellem Lernen entwickelt. Dieses Feature wird ein entscheidender Bestandteil der neuesten Generation der Edge-Vision-4.0-CURTAIN-Produkte von Hammer-IMS sein. Die Funktion unterscheidet zwischen Fehlern und klassifiziert diese in mehrere Fehlerkategorien. Das robuste, KI-gestützte Feature zur Inline-Qualitätskontrolle wird bald verfügbar sein und eine hochmoderne visuelle Inspektion bieten.
Hammer-IMS macht Fortschritte in der Maschinenvision und künstlichen Intelligenz als zusätzliches Auge in der Qualitätskontrolle von Textilien, Kunststoffen und anderen inline produzierten Produkten. Kürzlich haben die Ingenieure von Hammer-IMS in Zusammenarbeit mit dem PXL Electronics and ICT Campus in Hasselt (Toon Sterckx) eine kameraunterstützte Fehlererkennung auf Basis von maschinellem Lernen entwickelt. Dieses Feature wird ein entscheidender Bestandteil der neuesten Generation der Edge-Vision-4.0-CURTAIN-Produkte von Hammer-IMS sein. Die Funktion unterscheidet zwischen Fehlern und klassifiziert diese in mehrere Fehlerkategorien. Das robuste, KI-gestützte Feature zur Inline-Qualitätskontrolle wird bald verfügbar sein und eine hochmoderne visuelle Inspektion bieten.
Basierend auf einem Datensatz von Bildern, die von einem Kunden vorab klassifiziert wurden, nutzt Hammer-IMS künstliche Intelligenz, um einen Lernprozess offline durchzuführen und ein maschinelles Lernmodell für die Verwendung bei der Inline-Qualitätskontrolle aufzubauen. Bei der Inspektion von Textilien oder Kunststoffen verfolgt die neu entwickelte Software kontinuierlich Produktfehler, Fremdkörper auf dem Produkt und farbbezogene Variationen, die z.B. durch Tintenschäden, Schmelzlinien, Werkzeuglinien und Streifen entstehen. Die maschinenvisuelle Lösung kann auf das spezifische Produkt und die Anwendung jedes Kunden abgestimmt werden, wobei gewünschte Fehlerkategorien abgedeckt werden. Die kamerabasierte maschinelle Lernlösung zeichnet sich durch praktisch null falsch-positive Inspektionsergebnisse aus, was maximale Viabilität für die Qualitätskontrollbranche bietet. Darüber hinaus bietet das System eine schnelle, effektive und robuste Leistung im maschinellen Lernen.
