Normal, Crack oder Failure? So klassifiziert das KI-Modell den Verschleiß von Kabelschutzschläuchen

KI-Anwendungsprojekt mit FLEXA GmbH – Teil 2

Fortschritt im Projekt

Im vorherigen Beitrag wurde die Ausgangssituation der Verschleißtests bei der FLEXA GmbH beschrieben. In diesen Tests werden Kabelschutzschläuche wiederholten Biegebeanspruchungen ausgesetzt, um deren Lebensdauer zu bestimmen. Dabei werden insbesondere der Zeitpunkt der Rissbildung sowie das vollständige Versagen analysiert. Bisher erfolgte diese Auswertung manuell auf Basis von Videoaufnahmen und war entsprechend zeit- und personalintensiv.

Im Rahmen des Projekts wurde ein KI-basiertes System entwickelt, das Kamerabilder aus den Verschleißtests automatisch auswertet und den Zustand der Kabelschutzschläuche klassifiziert. Das System unterscheidet dabei zwischen den Zuständen „normal“, „crack“ und „failure“. Dadurch wurde eine wichtige Grundlage für die automatisierte Qualitätsbewertung geschaffen.

Aufbereitung und Verarbeitung der Bilddaten

Für die Entwicklung des Systems wurden Kamerabilder aus den laufenden Verschleißtests verwendet. Da mehrere Schläuche gleichzeitig aufgenommen werden, wird das Kamerabild zunächst in einzelne Schlauchbereiche unterteilt. Insgesamt können sechs Schläuche separat betrachtet und bewertet werden.

Die Bilddaten wurden nach Schlauchnummer und Zustand strukturiert. Für jeden Schlauch wurden Bilder der Zustände „normal“, „crack“ und „failure“ gesammelt. Dadurch konnte für jeden Schlauch eine eigene Datengrundlage aufgebaut werden.

Vor der Analyse wurden die Bilder aufbereitet. Dazu gehörten unter anderem das Zuschneiden relevanter Bildbereiche, die Vereinheitlichung der Bildgröße sowie die Anpassung der Bilddaten an das Eingabeformat des Klassifikationsmodells. Zusätzlich wurden Bildverarbeitungsverfahren eingesetzt, um den Schlauchbereich möglichst stabil vom Hintergrund zu trennen.

Um das Modell robuster gegenüber unterschiedlichen Aufnahmebedingungen zu machen, wurden die Trainingsbilder erweitert. Dabei wurden beispielsweise Helligkeit, Kontrast, Position, Drehung und Bildrauschen variiert. Auf diese Weise kann das System besser mit realen Schwankungen während der Aufnahme umgehen.

Analyse mit KI-basierter Bildverarbeitung

Auf Basis der aufbereiteten Bilddaten wurde ein CNN-basiertes Klassifikationsmodell entwickelt. Dieses Modell ordnet jedes Schlauchbild einer der drei Klassen „normal“, „crack“ oder „failure“ zu.

Da sich die einzelnen Schläuche im Kamerabild hinsichtlich Position, Ausrichtung und Bildausschnitt unterscheiden können, wurde das System so aufgebaut, dass jeder Schlauch separat bewertet wird. Dadurch können die jeweiligen Bildbedingungen der einzelnen Schlauchpositionen besser berücksichtigt werden.

Für das Training wurden die vorhandenen Bilder in Trainings- und Validierungsdaten aufgeteilt. Zusätzlich wurden Maßnahmen eingesetzt, um eine einseitige Modellanpassung zu vermeiden. Dadurch sollte sichergestellt werden, dass das System nicht nur eine Klasse bevorzugt, sondern alle drei Zustände möglichst zuverlässig unterscheiden kann.

Ergebnis: Automatisierte Risserkennung und Visualisierung

Im Betrieb wird ein aktuelles Kamerabild zunächst in sechs einzelne Schlauchbereiche zerlegt. Anschließend wird jeder Bereich vorverarbeitet und durch das zugehörige CNN-basierte Klassifikationsmodell bewertet. Für jeden Schlauch wird automatisch bestimmt, ob der Zustand als „normal“, „crack“ oder „failure“ einzustufen ist.

Die Ergebnisse werden vom Backend verarbeitet und anschließend im Frontend visualisiert. Dadurch können die Zustände der sechs Prüflinge parallel überwacht werden. Kritische Ereignisse wie Rissbildung oder vollständiges Versagen können somit automatisch erkannt und dargestellt werden.

Zusammenfassend ermöglicht das entwickelte System eine automatische, kamerabasierte Zustandsbewertung von sechs parallel geprüften Kabelschutzschläuchen. Durch den Einsatz von Bildvorverarbeitung, schlauchspezifischen CNN-basierten Klassifikationsmodellen und Datenaugmentierung können die Zustände der einzelnen Schläuche in „normal“, „crack“ und „failure“ klassifiziert werden.