Automatische optische Inspektion (AOI) mit maschinellem Lernen

In Kürze

In diesem Projekt erweitern maschinelle Lernverfahren bereits existierende optische Qualitätskontrollen, um die Pseudofehlerrate in der automatischen optischen Inspektion (AOI) zu reduzieren. Dadurch sind weniger manuelle Nachkontrollen nötig und Arbeitskräfte werden von monotonen Arbeiten entlastet.

Im Detail

Viele Hersteller setzen zur Qualitätssicherung in der SMD-Fertigung (Surface Mounted Devices, deutsch: oberflächenmontierte Bauelemente) eine AOI ein. Diese Systeme arbeiten mit klassischen Bildverarbeitungsalgorithmen, was sie wartungsintensiv und wenig robust gegenüber Varianzen macht. Da die automatisierte Kontrolle folglich viele Pseudofehler erzeugt, müssen alle Treffer anschließend von Hand geprüft werden.

Im Rahmen des Projekts wurde ein maschinelles Lernverfahren entwickelt, das Pseudofehler von Echtfehlern in einer AOI unterscheiden kann. Die Notwendigkeit manueller Nachkontrollen wird durch eine hohe Robustheit gegenüber variierender Bauteile stark gesenkt, sodass monotone Arbeiten entfallen. Zur Anschaulichkeit wurde der Algorithmus in einem Demonstrator implementiert, der selbstständig Fotos von fehlerhaften Bauteilen aufnimmt und somit die AOI imitiert (s. Video). Die Software lässt sich durch simples Hinzufügen neuer Bauteile in den Trainingsdatensatz und ein kurzes Re-Training einfach instand halten.

Gefördert vom Land Baden-Württemberg, Ministerium für Wirtschaft, Arbeit und Tourismus