Projekt "Selbst-adaptives Monitoring-System für industrielle Anwendungen" (SAMOA)

Abstract

Im Projekt SaMoA wurde ein System untersucht, wie der Aufbau einer Anomaliedetektion mittels Industriekameras vereinfacht und so auch von Nicht-Expertinnen und -Experten genutzt werden kann. In Absprache des Projektträgers wurde die ursprüngliche Idee, 3D-Daten für das Training der KI automatisch zu generieren und in Blender zu rendern, verworfen und gegen die Implementierung eines Digital Signal Prozessors (DSP) auf Basis eines FPGA und der Aufzeichnung von analogen Daten ersetzt. Diese Entwicklung wird in diesem Bericht detailliert betrachtet. Es wurde ein System entwickelte, das Nutzer durch die Auswahl eines Kamerasystems und einer KI für die Bilderkennung führt, unterstützt durch einen Fragebogen und Entscheidungsbaum. Zusätzlich wurde eine Umgebung geschaffen, um analoge Signale (z.B. von Wägezellen und Vibrationssensoren) in Echtzeit einzulesen und in die KI-Pipeline zu integrieren. Die Integration dieser zusätzlichen Sensordaten verbessert die Anomalieerkennung, indem sie z.B. die Lokalisierung des Bauteils auf dem Förderband präzisiert und die Auswirkungen von Vibrationen auf die Bildqualität minimiert. Die entwickelten Komponenten umfassen einen STM32F3 für die Analog-Digital-Wandlung, einen Artix-7 FPGA für die digitale Filterung und eine Python-Bibliothek zur Laufzeitparameteränderung. In Tests und Simulationen wurde die Funktionsfähigkeit der einzelnen Komponenten verifiziert.