Autositzinspektion mit synthetischen Bilddaten ab dem ersten Bauteil
Für einen Automobilzulieferer haben wir synthetische, sensorrealistische Bilddaten eingesetzt, die eine KI-gestützte Sitzprüfung ab dem ersten Bauteil ermöglichen – schnell, präzise und ohne manuelle Trainingsphasen.
Die Qualitätsprüfung in der Autositzproduktion ist komplex: Unterschiedliche Materialien, wechselnde Sitzmodelle und kurze Produktzyklen erschweren den Einsatz klassischer Deep-Learning-Modelle, die üblicherweise mit Fehler-Daten „gefüttert“ werden, um diese in Zukunft zu vermeiden.
In diesen Fällen setzen wir synthetische, sensorrealistische Bilddaten ein. Dafür generieren wir mitMithilfe von Diffusionsmodellen generieren wir aus vorhandenen Sitzdaten zusätzliche Trainingsbilder, die exakt auf die Ex- und Intrinsikparameter der eingesetzten Kameras abgestimmt sind. So lassen sich Variantenvielfalt und Materialkombinationen realistisch simulieren. Bereits ab dem ersten realen Sitz entsteht ein validiertes Anomaly–Detection-Modell sowie ein Klassifikator bereit – ohne Wartezeit, ohne manuelle Nacharbeit.
Zum Einsatz kommen Structured-Light-3D-Sensoren zur präzisen Geometrieerfassung sowie 2D-GigEVision-Kameras für die optische Kontrolle. Die Kombination aus 2D- und 3D-Daten ermöglicht eine umfassende Qualitätsprüfung. Das Ergebnis: deutlich reduzierte Trainingszeiten, geringerer manueller Aufwand und eine beschleunigte Integration neuer Sitzmodelle in den Produktionsprozess.
Ablaufsimulation
Wir haben keine Kunden, wir haben Partner
