KKC_0184 | KI im Qualitätsmanagement: Prüfprozesse mit OpenCV bauen

Sie möchten Prüfprozesse im Qualitätsmanagement automatisieren und dabei nicht bei Demo-Beispielen stehen bleiben, sondern zu einer belastbaren Gut/Schlecht-Entscheidung kommen. In diesem Seminar lernen Sie, wie Sie mit OpenCV eine robuste Bildprüfung aufsetzt, die typische Fertigungsrealitäten wie wechselnde Beleuchtung, Bauteiltoleranzen und Hintergrundstörungen berücksichtigt. Sie starten mit der sauberen Definition von Prüfaufgaben und Akzeptanzkriterien: Welche Fehlerbilder sind relevant, welche Varianz ist normal und welche Messgrößen tragen die Entscheidung.

Darauf aufbauend erarbeiten Sie die OpenCV-Grundlagen, die im QM wirklich zählen: Farbräume, ROI, Masken, Filter, Kantenverfahren und Morphologie. Sie setzen Thresholding und Segmentierung so ein, dass Merkmale stabil extrahiert werden können. Anschließend geht es um Messung und Toleranzen: Konturen, Geometrie, Abstände, Winkel und Rundheit, inklusive Kalibrierung und Pixel-zu-mm Umrechnung.

Sie lernen, wie Sie Grenzwerte definieren und Unsicherheiten in die Entscheidung einbeziehen. Ein weiterer Teil zeigt Ihnen, wo „KI“ sinnvoll ist: von Template Matching und Feature Matching bis zu einfachen Klassifikations- und Anomalie-Ansätzen. Sie erfahren, wie Sie Datensätze aufbauen, Labeling-Standards festlegen und mit Train/Test-Splits sowie Fehlerraten im QM-Kontext arbeiten.

Zum Abschluss erhalten Sie Leitplanken für den industriellen Rollout: Performance, Latenz, Monitoring von False Reject/Accept und eine Dokumentation, die Audits standhält.

• Prüfaufgaben, Fehlerbilder und Akzeptanzkriterien eindeutig definieren
• OpenCV-Grundlagen für Farbräume, ROI, Masken und Filter anwenden
• Kantenverfahren, Morphologie und Segmentierung gezielt einsetzen
• Merkmale über Konturen, Geometrie, Abstände und Rundheit messen
• Bilddaten kalibrieren und Pixelwerte in reale Maße übertragen
• Toleranzen und Grenzwerte für belastbare Entscheidungen festlegen
• Prüfabläufe testen, dokumentieren und gegen Prozessschwankungen absichern

Das Seminar richtet sich an Qualitätsmanager/innen, Qualitätsingenieur/innen, Prüfplaner/innen, Automatisierungstechniker/innen sowie Fachkräfte aus Produktion, Fertigung und industrieller Bildverarbeitung.

Grundkenntnisse in Qualitätsmanagement oder industrieller Fertigung werden vorausgesetzt. Grundlegende Programmiererfahrungen, idealerweise mit Python, sind hilfreich.

• Bildverarbeitung im Qualitätsmanagement
  • Typische Prüfaufgaben: Anwesenheit, Lage, Vollständigkeit, Oberfläche
  • Beleuchtung, Optik, Auflösung: was Prüfqualität wirklich treibt
  • Fehlerbilder und Akzeptanzkriterien sauber definieren
• OpenCV-Grundlagen, die im Shopfloor zählen
  • Bildformate, Farbräume, ROI und Masken
  • Filter, Kanten, Morphologie für stabile Ergebnisse
  • Thresholding und Segmentierung für klare Merkmale
• Messung, Toleranzen und Entscheidung
  • Konturen, Geometrie, Abstände, Winkel, Rundheit
  • Kalibrierung und Pixel-zu-mm Umrechnung
  • Regeln, Grenzwerte, Gut/Schlecht-Logik und Unsicherheit
• Detektion und Klassifikation: wo „KI“ sinnvoll ist
  • Merkmalsbasierte Verfahren vs. ML-Ansätze
  • Template Matching, Feature Matching, einfache Klassifikatoren
  • Anomalie-Erkennung mit sinnvollen Qualitätsmetriken
• Datensatz, Labeling und Teststrategie
  • Welche Bilder du wirklich brauchst: Varianz, Störfaktoren, Drift
  • Label-Standards, Ground Truth und Review-Prozess
  • Train/Test-Split, Fehlerraten, Confusion Matrix im QM-Kontext
• Einführung in den industriellen Rollout
  • Performance, Latenz, Stabilität: typische Stolpersteine
  • Monitoring: Ausschussquote, False Reject/Accept, Nachjustierung
  • Dokumentation und Audit-Tauglichkeit von Prüfalgorithmen