Im ZIM-Forschungsprojekt Span-Detekt entwickelt das IFW in Kooperation mit Rotoclear eine KI-basierte visuelle Überwachung von Prozessen mit kontinuierlichem Schnitt. Ein im Projekt entwickelter Span-Detektor erkennt prozessparallel die auftretenden Späne. Die prozessparallele visuelle Detektion von Spänen ermöglicht durch die Integration von Bildverarbeitung und maschinellen Lernens eine Echtzeitüberwachung und -analyse. „Kritische Späne können sofort identifiziert und es kann in den Fertigungsprozess eingegriffen werden, um Maschinen-, Werkzeug-, oder Werkstückschäden zu verhindern“, erläutert IFW-Mitarbeiter Lee Hartung.
Das eingesetzte Kamerasystem ist bereits für den Einsatz in Werkzeugmaschinen angepasst und verfügt über integrierten LED-Ring zur Ausleuchtung des Aufnahmebereiches. Für die Erkennung von Spänen soll das System zukünftig weiter verbessert werden. Einen ersten Ansatzpunkt bietet die Einstellung der Belichtungszeit. Hartung: „Wir müssen einen Mittelweg finden, der den Einsatz auch in weniger gut ausgeleuchteten Maschinen erlaubt und dennoch ausreichende Bilder zur anschließenden Spandetektion liefert.“
Eine klare Momentaufnahme des Prozesses sei entscheidend für die Datensatzerstellung. Diese bilde die Grundlage für das Training des Machine-Learning-Modells und sei neben der Modellarchitektur ausschlaggebend für die Detektionsgenauigkeit. Der erstellte Datensatz sei außerdem wichtig für das Adaptionsvermögen beim Einsatz in unterschiedlichen Werkzeugmaschinen. Als Modell kommt ein adaptiertes YOLOv8-Modell zum Einsatz, welches auf die Erkennung von Objekten kleiner bis mittlerer Größe optimiert ist.
