Fallstudie: Ästhetische Kontrolle in der Holzindustrie

Herausforderung

Automatisierung einer komplexen ästhetischen Inspektionsaufgabe

"Wie können wir die Prüfung von Brettschichtholzplatten in unserer Produktionslinie automatisieren?"

Das war die einfache Frage, die einer der größten Holz- und Möbelhersteller der Welt beantworten wollte.

Die Lösung war jedoch nicht so einfach, da die vorliegende Inspektion auf der subjektiven Bewertung von Fehlern wie Ästen und Harzgallen beruhte.

Vor der Zusammenarbeit mit JLI vision musste der Hersteller jedes Brett von mehreren Personen visuell bewerten und die zu reparierenden Fehler markieren. Dies war ein zeitaufwändiger und kostspieliger Prozess, der gleichzeitig zu einer uneinheitlichen Qualität führte.

Der Hersteller wollte den menschlichen Faktor ausschalten und eine bessere Qualität produzieren.

Lösung

Kombination von fortschrittlichem maschinellem Sehen und maschinellem Lernen

Die Lösung dieses Problems erforderte eine fortschrittlichere Einrichtung als eine herkömmliche Bildverarbeitungsanwendung - was JLI vision als "Hybrid Vision" bezeichnet.

Um die menschliche Bewertung der Äste und Harzgallen in den Brettern nachzubilden, wandte JLI vision maschinelles Lernen an, indem es 30.000 Bilder sowohl von genehmigten als auch von abgelehnten Produkte verarbeitete, um das System so zu trainieren, dass es Mängel erkennen konnte.

Das maschinelle Lernnetzwerk wurde in das Scannersystem integriert, das JLI vision für die beidseitige Prüfung der Brettschichtholzbretter gebaut hat.

Während der Inspektion werden die Bretter auf zwei Förderbändern transportiert, die sich mit etwa 0,5 m/s bewegen. In der kleinen Lücke zwischen den beiden Förderbändern scannen Zeilenkameras in Kombination mit 3D-Kameras sowohl die Vorder- als auch die Rückseite der Platte.

Der menschliche Inspektionsprozess umfasste das Berühren und Ertasten von Ästen, um festzustellen, ob sie sich zu lösen drohen. Mit maschinellem Sehen wäre dies natürlich nicht möglich, aber durch die Erstellung eines 3D-Bildes der Oberfläche konnte JLI Vision feststellen, welche Ästen in diese Kategorie fallen würden.

Wird ein Defekt festgestellt, wird das Brett zu einer Reparaturlinie geleitet, wo der Defekt anhand der vom Scannersystem erstellten Bilder repariert wird

Ergebnisse

Höhere Qualität und
beeindruckender ROI

Es wird angenommen, dass die menschliche Inspektion von ästhetischen Anwendungen eine Genauigkeit von 70-80 % hat.

In diesem Fall erreicht das hybride Bildverarbeitungssystem von JLI Vision eine Genauigkeit von 98 % - weit über den Erfolgskriterien, die der Kunde ursprünglich für das Projekt festgelegt hatte. Dies führt zu konsistenten Ergebnissen und einer höheren Qualität des Endprodukts.

"Nicht nur die Gesamtqualität der Inspektion hat sich verbessert, sondern auch der ROI ist beeindruckend", sagt der Projektleiter des Kunden:

"JLI vision hat uns geholfen, eine manuelle Inspektionsaufgabe zu automatisieren. Sie haben das mit Hingabe und Ausdauer getan. Der Wechsel von der manuellen zur automatischen Inspektion ist definitiv der richtige Weg für uns und die Holzindustrie im Allgemeinen."