Automatische optische Inspektion mit maschinellem Lernen

Automatische optische Inspektion mit maschinellem Lernen
© Fraunhofer IPA/Rainer Bez

Reduktion manueller Kontrolle

In der SMD-Fertigung der Firma Pilz GmbH & Co. KG wird derzeit automatische optische Inspektion (AOI) zur Qualitätssicherung eingesetzt. Diese Systeme arbeiten mit klassischen Bildverarbeitungsalgorithmen und sind daher wartungsintensiv und wenig robust gegenüber Varianzen. Das hat zur Folge, dass die automatisierte Kontrolle eine große Anzahl von Pseudofehlern erzeugt, sodass alle Treffer anschließend von Hand geprüft werden müssen. Ziel des Projekts ist ein maschinelles Lernverfahren, welches Pseudofehler von Echtfehlern in einer automatischen optischen Inspektion unterscheiden kann und damit die Pseudofehlerrate verringert, sodass die Notwendigkeit manueller Nachkontrollen sinkt. Dazu werden (SMD-)Bauteile von Leiterplatinen abfotografiert und zunächst von einer bereits bestehenden optischen Inspektion hinsichtlich der Funktion klassifiziert.

Projektablauf

Die vorhandene optische Inspektion erzeugt pro Bauteil eine größere Menge unterschiedlicher Bilder (klassische Schwarzweißfotos, Tiefenbilder, etc.). Um möglichst keine Echtfehler fälschlicherweise als Pseudofehler zu klassifizieren (sog. False-Positive-Fall), wird pro Bildtyp ein eigenes neuronales Netz trainiert, welches somit eine Spezialisierung auf die jeweilige Information erfährt. Sollte ein Bauteilfoto bei einem einzigen neuronalen Netz positiv klassifiziert werden, so wird das Bauteil als Echtfehler bestimmt.

Als Problem hat sich die Einseitigkeit des Datensatzes erwiesen: Echtfehler kommen nur sehr selten vor, sodass diese im Datensatz stark unterrepräsentiert sind. Eine Lösung besteht darin, Echtfehler künstlich über Verfahren der Data Augmentation zu generieren, sodass eine höhere Varianz dieser Fälle erzeugt wird. Die anschließende Validierung hat gezeigt, dass auf diese Weise die manuellen Nachkontrollen in 96,3% der Fälle obsolet werden.

Gefördert durch

BW_Ministerium_MWAW

Unsere Partner

Logo des Stuttgarter Technologie- und Innovationscampus
Fraunhofer IPA Logo
Logo Fraunhofer IAO
Fraunhofer IBP Logo