Hammer-IMS benut machine vision en artificiële intelligentie als extra hulpmiddel voor kwaliteitscontrole

Hammer-IMS boekt vooruitgang in machine vision en artificiële intelligentie als extra hulpmiddel voor kwaliteitscontrole van textiel, kunststoffen en andere inline geproduceerde producten. Recentelijk hebben ingenieurs van Hammer-IMS, in samenwerking met de PXL Electronics and ICT Campus in Hasselt (Toon Sterckx), camera-ondersteunde defectdetectie ontwikkeld op basis van machine learning. Deze functie zal een belangrijk onderdeel zijn van de nieuwste generatie Edge-Vision-4.0-CURTAIN-producten van Hammer-IMS. De functie onderscheidt defecten en classificeert deze in meerdere defectcategorieën. De robuuste AI-gebaseerde functie voor inline kwaliteitscontrole zal binnenkort beschikbaar zijn en biedt geavanceerde visuele inspectie van de hoogste kwaliteit.

Hammer-IMS boekt vooruitgang in machine vision en artificiële intelligentie als extra hulpmiddel voor kwaliteitscontrole van textiel, kunststoffen en andere inline geproduceerde producten. Recentelijk hebben ingenieurs van Hammer-IMS, in samenwerking met de PXL Electronics and ICT Campus in Hasselt (Toon Sterckx), camera-ondersteunde defectdetectie ontwikkeld op basis van machine learning. Deze functie zal een belangrijk onderdeel vormen van de nieuwste generatie Edge-Vision-4.0-CURTAIN-producten van Hammer-IMS. De functie onderscheidt defecten en classificeert deze in meerdere defectcategorieën. De robuuste AI-gebaseerde functie voor inline kwaliteitscontrole zal binnenkort beschikbaar zijn en zorgt voor geavanceerde visuele inspectie van de hoogste kwaliteit.


Op basis van een dataset van beelden, vooraf geclassificeerd door een klant, gebruikt Hammer-IMS artificiële intelligentie om een leerproces offline uit te voeren en een machine learning-model op te bouwen voor gebruik tijdens inline kwaliteitscontrole. Bij het inspecteren van textiel of kunststof inline, spoort de nieuw ontwikkelde software continu productdefecten op, vreemde voorwerpen op het product, en kleurgerelateerde variaties, zoals inktvlekken, smeltlijnen, matrijslijnen en strepen. De machine vision-oplossing kan worden afgestemd op het specifieke product en de toepassing van elke klant, met de gewenste foutcategorieën. De cameragebaseerde machine learning-oplossing blinkt uit in nagenoeg nul fout-positieve inspectieresultaten, wat maximale haalbaarheid biedt voor de kwaliteitscontrole-industrie. Bovendien biedt het systeem snelle, effectieve en robuuste machine learning-prestaties.