Erkennung von Oberflächenfehlern
Kratzer, Flecken und Verformungen auf Metall-, Kunststoff- oder Textiloberflächen erkennen.
KI · Bildverarbeitung
Bildverarbeitungsanwendungen
Bildverarbeitungs- und Computer-Vision-Lösungen für Qualitätskontrolle, Zählung, Erkennung und Messung.
Kurz gesagt
- Erst die Bildaufnahme, dann das Modell.
- Schwellenwerte nach den Kosten der Fehlerarten einstellen.
- Die Ergebnisse werden an bestehende Automatisierungs- und ERP-Systeme übergeben.
Bildverarbeitung analysiert Bilder aus Kameras oder Sensoren und erledigt Aufgaben dauerhaft und gleichbleibend dort, wo das menschliche Auge ermüdet, langsamer wird oder Fehler macht. Die Einsatzbereiche sind breit: Fehlererkennung in der Produktion, Zählung im Lager, Erkennung in der Sicherheitstechnik oder Ernteanalyse in der Landwirtschaft.
Der Schlüssel zum Erfolg ist die richtige Bildaufnahme, noch vor dem Algorithmus: Beleuchtung, Kamerawinkel, Auflösung und Datenvielfalt bestimmen die Modellqualität.
Ausführlich
Bildverarbeitungsanwendungen: wie gehen wir vor?
Wie läuft ein Computer-Vision-Projekt ab?
Zuerst werden Ziel (Welcher Fehler, mit welcher Geschwindigkeit und Genauigkeit?) und Aufnahmeumgebung festgelegt. Dann werden Beispielbilder gesammelt und annotiert und Modelle trainiert. Der Prototyp wird unter realen Bandbedingungen getestet.
Bedingungen vor Ort (wechselndes Licht, Vibrationen, Produktvielfalt) unterscheiden sich vom Labor – deshalb sind eine Pilotphase und Nachtraining des Modells fest eingeplant.
Integration und Monitoring
Die Modellergebnisse gehen an SPS, ERP oder Monitoring-Dashboard; Aktionen wie das Ausschleusen fehlerhafter Teile oder eine Warnung an Bediener werden automatisch ausgelöst.
Im Betrieb wird die Modellleistung überwacht; bei neuen Produktvarianten oder veränderten Bedingungen wird das Modell aktualisiert.
Geltungsbereich
Was bieten wir?
01
Fehler- und Anomalieerkennung
Automatische Erkennung von Oberflächen-, Montage- und Verpackungsfehlern.
02
Objekterkennung und Zählung
Zählung und Klassifizierung von Produkten, Paletten oder Teilen.
03
Messung
Bildbasierte Verfahren zur Messung von Größe und Position.
04
OCR / Texterkennung
Text aus Etiketten, Seriennummern und Dokumenten auslesen.
05
Echtzeitanalyse
Inferenz mit geringer Latenz in Bandgeschwindigkeit.
06
Integration
Übergabe der Ergebnisse an SPS, ERP oder Dashboard.
Problem → Lösung
Welche Probleme lösen wir?
Problem
Die Qualitätskontrolle hängt vom Bediener ab und ist uneinheitlich.
Unsere Lösung
Wir richten eine automatische Sichtprüfung ein, die jedes Produkt nach denselben Kriterien prüft.
Problem
Zählen und Messen erfolgen von Hand.
Unsere Lösung
Mit bildbasierter Zählung und Messung sorgen wir für Tempo und Genauigkeit.
Problem
Fehlerhafte Produkte erreichen die Kunden.
Unsere Lösung
Mit automatischer Prüfung am Bandende senken wir das Risiko übersehener Fehler.
Prozess
Wie läuft der Prozess ab?
- 01
Erkundung
Ziel, Umgebung und Beispieldaten.
Ergebnis: Machbarkeitsnotiz - 02
Daten und Annotation
Bilderfassung und Annotation.
Ergebnis: Annotierter Datensatz - 03
Modellentwicklung
Training und Validierung.
Ergebnis: Validiertes Modell - 04
Pilot und Integration
Test vor Ort und Systemanbindung.
Ergebnis: Pilotbericht
Anwendungsfälle
Wie wird es in der Praxis eingesetzt?
Verpackungs- und Etikettenprüfung
Prüfung auf fehlende Etiketten, Fehldrucke und Verschlüsse.
Lager- und Palettenzählung
Automatische Produktzählung per Bild.
Worauf zu achten ist
Häufige Fehler und wie es richtig geht
Häufiger Fehler
Die Beleuchtung nicht kontrollieren
Richtig ist
Richtig ist: die Beleuchtung zum Teil des Designs machen.
Häufiger Fehler
Mit wenigen, einheitlichen Daten trainieren
Richtig ist
Richtig ist: Daten unter verschiedenen Bedingungen sammeln.
Häufiger Fehler
Den Pilot auslassen
Richtig ist
Richtig ist: unter realen Bandbedingungen validieren.
Portfolio
Unsere Projekte zu dieser Leistung
KI-AnwendungenAutomobilzulieferer · 2026
KI-AnwendungenAutomatische Qualitätskontrolle mit Bildverarbeitung am Produktionsband
Ein Bildverarbeitungssystem an der Prüfstation eines Metallteileherstellers erkennt Oberflächenfehler in Bandgeschwindigkeit.
−%38 Fehlerhafte Teile im VersandProjekt ansehen KI-AnwendungenEinzelhandel und Distribution · 2025
KI-AnwendungenBestandsoptimierung mit einem Bedarfsprognosemodell
Für einen Händler mit mehreren Lagern haben wir ein Modell entwickelt, das aus der Absatzhistorie wöchentliche Bedarfsprognosen erstellt und Bestellungen vorschlägt.
−%27 Anzahl der FehlbeständeProjekt ansehen VR- / AR-AnwendungenIndustrie und Schulung · 2026
VR- / AR-AnwendungenVR-Simulation für industrielle Sicherheitsschulungen
Eine VR-Schulungssimulation, die gefährliche Arbeitsumgebungen sicher erlebbar macht und den Lernerfolg misst.
+%40 Wissensbehalt (Beispiel)Projekt ansehenFAQ
Häufig gestellte Fragen
Wie viele Bilder braucht man für Bildverarbeitung?
Das hängt vom Problem ab: einfache Fälle brauchen Hunderte, komplexe Tausende Beispiele. Datenaugmentation und sorgfältige Annotation senken den Bedarf.
Wie wichtig sind Licht- und Kamerabedingungen?
Sehr wichtig. Kontrollierte Beleuchtung und die richtige Kamera können den Modellerfolg sogar stärker beeinflussen als der Algorithmus.
Arbeitet das System in Echtzeit am laufenden Band?
Ja. Durch Optimierung des Modells auf Zielgeschwindigkeit und Hardware ist Inferenz in Bandgeschwindigkeit möglich.
Wie wird die Fehlalarmquote gesteuert?
Über Schwellenwerte und die Weiterleitung von Verdachtsfällen an Menschen wird das Verhältnis von Fehlalarmen zu übersehenen Fehlern am Geschäftsziel ausgerichtet.
Was ist der Unterschied zwischen Bildverarbeitung und Deep Learning?
Klassische Bildverarbeitung arbeitet mit Regeln zu Kanten, Farben und Formen. Deep Learning lernt aus Beispielen und erkennt komplexe Muster. In einfachen, kontrollierten Umgebungen genügen klassische Verfahren oft; unter wechselnden Bedingungen ist Deep Learning erfolgreicher.
Welche Fehler und Objekte können Sie erkennen?
Wir erkennen visuell unterscheidbare Merkmale wie Oberflächenkratzer, fehlende Teile, Montagefehler, Etikettenfehler, Stückzahlen, Maße und Füllstände. Die Machbarkeit wird mit einem Vorabtest an Musterbildern bestätigt.
Welche Kamera- und Beleuchtungstechnik wird benötigt?
Kamera, Objektiv und Beleuchtung richten sich nach der Größe der zu erkennenden Fehler und der Bandgeschwindigkeit. Die richtige Ausrüstung beeinflusst das Ergebnis ebenso wie der Algorithmus. Wir erstellen eine Hardwareempfehlung und unterstützen bei der Installation.
Wie schnell entscheidet das System?
Das System trifft je nach Bandgeschwindigkeit Entscheidungen im Millisekundenbereich. Die nötige Geschwindigkeit ermitteln wir in der Analyse und wählen Modellgröße und Rechenhardware entsprechend.
Lassen sich die Ergebnisse an ERP oder Produktionssystem übergeben?
Ja. Erkennungsergebnisse lassen sich mit Bildbeleg in einer Datenbank speichern und an ERP, MES oder Dashboards übergeben. Anhand von Fehlerzahl und Ursachen sind Qualitätsanalysen möglich.
Wie wird das Modell an neue Produkttypen angepasst?
Für das neue Produkt werden Beispielbilder gesammelt und das Modell damit nachtrainiert oder feinjustiert. Wir empfehlen einen Erfassungs- und Trainingsablauf, der das Hinzufügen neuer Produkte erleichtert.
Wo werden die Bilddaten gespeichert?
Die Daten werden nach Wunsch auf einem eigenen Server oder in einer sicheren Cloud gespeichert. Aufbewahrungsdauer, Zugriffsrechte und KVKK-Anforderungen werden zu Projektbeginn schriftlich festgelegt.
Entdecken
Passende Leistungen
Künstliche Intelligenz
KI-Anwendungen
Wir entwickeln KI-Systeme speziell für Ihr Unternehmen, die aus Daten Entscheidungen machen.
Ansehen AutomatisierungAutomatisierungssysteme
Wir machen wiederkehrende Arbeit zu intelligenten Workflows und steigern so Effizienz und Tempo.
Ansehen F&EF&E-Leistungen
Eigenständige F&E-Projekte mit wissenschaftlicher Methode – von akademischem Wissen zum technologischen Produkt.
Ansehen