Künstliche Intelligenz in Forschung Bildung und IndustrieDer Einsatz von künstlicher
Intelligenz in Industrie Bildung und Forschung wird immer wichtiger. Um dieses komplexe Thema
hands-on zu visualisieren eignet sich das Modell Qualitätssicherung mit KI-System von
fischertechnik hervorragend. Es wird dank Verknüpfung von Theorie und Praxis ein nachhaltiges
Lernerlebnis geschaffen.Visualisierung von Qualitätssicherung durch KI mit fischertechnikDer
Einsatz von künstlicher Intelligenz bei der Qualitätskontrolle bringt viele Vorteile mit sich
welche beispielsweise in der Automobilindustrie bereits genutzt werden. Es können Prozesse
verkürzt Fehlerquoten und Kosten minimiert sowie die Fehlerbewertung standardisiert werden.
Die fischertechnik Sortieranlage wird mit Werkstücken in drei verschiedenen Farben geliefert.
Diese Werkstücke sind mit drei Bearbeitungsmerkmalen sowie verschiedenen Fehlerbildern
versehen. Die Werkstücke werden von der Kamera gescannt und mit Hilfe der eintrainierten KI
klassifiziert. Je nach Farbe Merkmal und Fehlerbild werden die Werkstücke anschließend anhand
ihrer Qualitätsmerkmale von der künstlichen Intelligenz sortiert. Die verwendete KI ist mit
maschinellem Lernen in Tensorflow realisiert bei dem ein künstliches neuronales Netz mit
Bilddaten eintrainiert wurde. Die eingelernte KI wird auf dem fischertechnik TXT 4.0 Controller
ausgeführt. Die Ablaufsteuerung des Modells ist in der Programmierumgebung ROBO Pro Coding und
in Python implementiert.Eigene KI-Anwendungen generierenWer einen Schritt weiter gehen möchte
dem steht die Möglichkeit zur Generierung eigener KI-Anwendungen zur Verfügung. Das
Eintrainieren erfolgt hierbei in Python wofür zur Erklärung ein entsprechendes Beispielprojekt
bereitgestellt wird.Modellaufbau der Sortierstrecke mit KISortieranlage für Werkstücke in 3
verschiedenen Farben (weiß rot blau) mit 3 verschiedenen Bearbeitungsmerkmalen (Bohrung
Ausfräsungen Bohrung+Ausfräsungen) sowie verschiedenen Fehlerbildern (Bohrung unrund Bohrung
fehlt Ausfräsungen fehlen ganz oder teilweise Risse im Werkstück. Diese Bearbeitungs- und
Fehlermerkmale werden mit entsprechenden Klebeetiketten auf den Werkstücken simuliert. Die
Werkstücke werden von der Kamera gescannt und mit Hilfe der eintrainierten KI klassifiziert. Je
nach Farbe Merkmal und Fehlerbild werden die Werkstücke anschließend in 4 verschiedene
Schächte sortiert. Die KI ist mit Tensorflow realisiert und wird auf dem TXT 4.0 Controller
ausgeführt. Es können auch eigene KI-Modelle generiert werden. Das Eintrainieren erfolgt auf
einem Rechner in Python. Ein entsprechendes Beispielprojekt wird zur Verfügung gestellt. Die
Ablaufsteuerung für die Sortieranlage ist in der Programmierumgebung ROBO Pro Coding und in
Python implementiert.Bestandteile• TXT 4.0 Controller• USB-Kamera• Encodermotor• Kompressor• 4x
3 2-Wege-Magnetventile• 4x Pneumatikzylinder• 5x Lichtschranken (5x Fototransistor + 5x
Lichtschranken-LED)• 4x LED für Beleuchtung des Kamerafeldes• 24x WerkstückeLieferumfang•
Qualitätssicherung mit KI 9V• Fertig aufgebautes Modell• Robuste Verpackung• Dokumentation•
Beispielprogramme.Hinweis• zum Betrieb zwingend erforderlich ist ein Netzgerät 9V 2 5A siehe
Zubehör• für Windows 10 MAC OS Linux Android iOS
