KI-Box - Intelligente optische Qualitätskontrolle
deevio automatisiert visuelle Inspektionen in der Produktion. Unser Kernprodukt ist eine auf künstlicher Intelligenz basierende Bildverarbeitungssoftware, mit der wir produzierenden Unternehmen helfen, ihre noch manuell durchgeführten Qualitätskontrollen zu automatisieren und Ihre bestehenden Bildverarbeitungssysteme deutlich zu verbessern.
Dazu liefern wir unseren Kunden ein auf den individuellen Anwendungsfall abgestimmtes Kamerasystem, das dann in die jeweilige Maschinenumgebung über eine SPS-Anbindung integriert werden kann.
Wir haben aus den Inspektionsfällen gelernt, die wir in den letzten Jahren implementiert haben, und haben Hardware und Software entwickelt, um alle Anforderungen eines KI-gesteuerten Inspektionsworkflows zu erfüllen.
GigE Vision und GeniCam
Die Unterstützung von Kameras durch Industriestandards bedeutet, dass Sie je nach Anwendungsfall aus einer Vielzahl von Optionen für Graustufen-, Farb- oder sogar 3D-Kameras wählen können.
Power-over-Ethernet (PoE)
Mit PoE können Kameras Daten und Strom direkt mit einem einzigen Kabel verbinden und eine Länge von bis zu 100 m unterstützen.
Echtzeit-GPIOs
Ein dedizierter FPGA ermöglicht die Echtzeitsteuerung von GPIOs zur optimalen Einrichtung von Triggern für Licht und Kamera sowie anderen externen Peripheriegeräten.
1. Bilder aufnehmen und labeln
Jede optische Qualitätskontrolle beginnt mit der Aufnahme von Bildern durch Kameras. Mit der KI-Box können Kameras und Beleuchtung direkt ohne Zwischenschalter oder Controller angeschlossen werden. Mittels High-Dynamic-Range (HDR)-Fotografie können selbst stark spiegelnde Oberflächen mit ausreichend lokalen Kontrast erfasst werden.
​
Die KI-Box verfügt auch über eine Labellingsoftware, mit der Sie ein detailliertes Label auf den tatsächlichen Fehler im Bild zeichnen können. Auf diese Weise bringen Sie unserer Deep-Learning-Software bei, was einen Defekt ausmacht und was nicht.
​
Diese beiden Schritte - die Aufnahme hoch qualitativer Bilder und das korrekte Labeln - sind der Grundstein für jedes erfolgreiche KI-Projekt.
2. Bilder inspizieren
Im Kern der KI-Box läuft ein Deep-Learning-Algorithmus, der nun gelernt hat, Bilder von „OK“- und „nicht OK“-Produkten zu unterscheiden. Basierend auf den Bildern und Labels aus dem ersten Schritt trainiert deevio ein auf Ihren Anwendungsfall zugeschnittenes Deep-Learning-Modell für Ihre optische Qualitätskontrolle.
​
Im Gegensatz zur herkömmlichen regelbasierten Inspektion wird unsere KI anhand der von Ihnen bereitgestellten gelabelten Bilder trainiert, nicht anhand von starren Regeln.
Dies ermöglicht einen neuen Workflow, bei dem der Engpass nicht mehr der Vision Engineer ist, der die Inspektion entwickelt, sondern die KI selbst lernt, wie man inspiziert.
Binäre und Mehrklassen-klassifizierung
Für jedes Eingabebild gibt der AI-Algorithmus eine einzelne OK/NOK-Antwort zurück. Oder Sie erweitern die Trainingsdaten um verschiedene Fehlerklassen und unser Algorithmus lernt, mehrere Fehlerarten zu unterscheiden
Bild
Segmentierung
Für jedes Eingabebild kann der KI-Algorithmus genau anzeigen, wo sich der Fehler im Bild befindet.
Anomalie
Erkennung
In Fällen, in denen der Defekt einen großen Teil des Bildes bedeckt, erkennt unser Algorithmus, wenn ein Bild eine noch nicht gesehene Anomalie enthält. Dieser Algorithmus kann nur unter Verwendung von Bildern von guten Teilen trainiert werden.
3. Verwalten Sie Ihren Inspektionsfall
KI-basierte Lösungen in der optischen Qualitätskontrolle erfordern einen dedizierten Workflow, dieser wird von der KI-Box unterstützt:
1.
Erstellen Sie ein neues Produkt, fügen Sie Klassen oder Fehlertypen hinzu, die Sie identifizieren möchten, und beginnen Sie mit der Erfassung und dem Labeln von Bildern.
2.
Überprüfen Sie Bilder, entfernen Sie falsche Labels oder passen Sie Anmerkungen an.
3.
Lassen Sie deevio ein auf Ihr Produkt zugeschnittenes KI-Modell erstellen und auf der KI-Box installieren
4.
Ändern Sie Ihre optische Qualitätskontrolle auf das neue Modell und beginnen Sie mit der Inspektion in der Produktionslinie!​
Erstellen, überprüfen, adaptieren und exportieren Sie Datensätze, die zum Trainieren eines KI-Modells bereit sind
​Kommentieren Sie Bilder mit anwendungsfallspezifischen Labels. Zeichnen Sie mit unserem Labellingtool auf Bilder, um die genaue Fehlerstelle zu markieren.
​Datenexport: Kein Lock-In, Sie können Bilder und Anmerkungsdaten einfach aus der KI-Box exportieren
Spezifikationen
Die KI-Box-Software ist für die Ausführung auf der KI-Box optimiert, einem kleinen und effizienten Industrie-PC, der nach unserem Design gebaut wurde.
​
Darüber hinaus läuft der Software-Stack auf einer Vielzahl von NVIDIA-GPU-fähigen PCs, um alle Anforderungen an Durchlaufzeit, Bildauflösung und Komplexität der KI-Modelle zu erfüllen.
Wenig Energie
WLAN, 4G
2xPoE/1x Gigabit-Ethernet
Digitale E/A
24V DC
Allgemein
System-on-a-Chip (SoC)
Nvidia Tegra X2, 64 Bit
Zentralprozessor
4-Kern-ARM-Cortex-A57, 2GHz
2-Kern Denver2, 2GHz
GPU
256 CUDA-Kerne (Pascal), 1,12 GHz
RAM
8 GB DDR4
Lagerung
1 x M.2-SSD (256 GB)
1 x 32 GB eMMC
1 x SDXC-Steckplatz
Schnittstellen
Kameraschnittstelle
2 x GigE Vision mit Trigger-and-Power-over-Ethernet
Kameraauslöser
2 x Trigger-Over-Ethernet
Digitale E/A
8 x Eingang & 8 x Ausgang, optoisoliert, 24 V
Encoder-Schnittstelle RS-422
3 x Eingang für einen Encoder
LAN
1 x 1000 MBit/s
WLAN
1 x IEEE 802.11a/b/g/n/ac mit externer Antennenbuchse
LTE (4G)
1 x interne Buchse für SIM, mit externer Antennenbuchse
USB
2 x USB 3.0-Anschlüsse, 1 x Micro-USB-Wartungsanschluss
Video
1 x DisplayPort
Leistung & Abmessungen
Netzteil
24V (DC)
Thermische Lösung
Lüfterlos , über Kühlkörper
Abmessungen (B x T x H)
163 mm x 163 mm x 48 mm (ohne Montageplatte)
163 mm x 210 mm x 48 mm (mit Montageplatte)