Überprüfung und Bewertung des Schriftbildes sowie des Anlagenzustandes industrieller Signieranlagen mit maschinellem Lernen

Abstract

Ungünstige Prozesssituationen bedingt durch einen fehlerbehafteten Anlagenzustand zeigen sich bei Markieranlagen nicht nur in den Signalen interner Anlagensensorik, sondern auch in Anomalien des Schriftbildes der Markierung. In dieser Arbeit wird daher ein Ansatz zur Schriftbildkontrolle und Anlagenzustandsüberwachung von Blechmarkieranlagen vorgestellt. Auf Basis von Kameraaufnahmen wird das Signierergebnis automatisch gemäß Markiervorgabe auf Vollständigkeit und Qualität beurteilt. Die Aufnahmen durchlaufen dazu eine Signalverarbeitungskette, welche sich aus Schritten der digitalen Bildverarbeitung und Methoden des maschinellen Lernens zusammensetzt. Unerwünschte Effekte können dabei durch gezielte Merkmalsextraktion und -selektion von Bildattributen detektiert und eingeordnet werden. Aus der jeweiligen Klassenzugehörigkeit lassen sich prädiktive Maßnahmen für die Erhaltung eines einwandfreien Anlagenzustandes und optimalen Signierergebnisses ableiten.