KI-Prüfung

Zuletzt bearbeitet von Kevin Knöller am 03.09.2026

Reicht ein regelbasiertes Prüfbild nicht aus, z. B. weil sich das Erscheinungsbild eines Bauteils stark unterscheiden kann, kommt eine KI-Prüfung zum Einsatz. Beim Anlegen wird zunächst ein Name vergeben und eine von drei Varianten gewählt:

Klassifizierung

Mit der Klassifizierung werden verschiedene Situationen oder Objekte als eigene Klassen eingelernt, z. B. „OK" und „NOK", oder „Batterie OK", „Batterie falschrum" und „Batterie nicht eingelegt".

Für jede Klasse werden über Bild erstellen (einzeln oder in Zehnerschritten) Beispielbilder aus dem Live-Bild aufgenommen. Je Klasse lässt sich außerdem ein Schwellenwert festlegen: der Mindestprozentsatz, den die KI erreichen muss, damit ein Bild dieser Klasse zugeordnet wird. Ein zu hoher Wert kann dazu führen, dass Bilder nicht erkannt werden, ein zu niedriger Wert, dass Bilder fälschlich zugeordnet werden.

Sind ausreichend Bilder je Klasse vorhanden, wird über Training starten das KI-Modell trainiert. Je nach Bildanzahl kann das Training einige Zeit dauern. Danach zeigt der Bereich Live-Werte die aktuelle Klassifizierung des Live-Bilds an.

benutzerhandbuch-kamera-ki-pruefung.png

Mehrfache Klassifizierung

Funktioniert wie die Klassifizierung, erlaubt aber mehrere Prüffenster innerhalb desselben Bilds, die jeweils einzeln gegen dieselben Klassen ausgewertet werden. Zusätzlich wird je Klasse eine erwartete Anzahl festgelegt: wie oft diese Klasse über alle Prüffenster hinweg gefunden werden muss, damit die Prüfung insgesamt als bestanden gilt (0 = diese Klasse wird nicht geprüft). Prüffenster werden über Bildausschnitt wählen angelegt, verschoben, kopiert und gelöscht; über Live-Einlernen lassen sich alle Prüffenster in einem Durchgang einlernen.

ONNX-Modell-Import

Alternativ zum Einlernen innerhalb der Software kann ein extern trainiertes ONNX-Modell importiert werden. Das Modell muss dabei bestimmten Anforderungen entsprechen. Nach dem Import werden konfiguriert:

  • die Bildgröße, mit der das Modell trainiert wurde,
  • der Modus der Auswertung (z. B. Klassifizierung oder Erkennung/Zählung einer einzelnen Klasse mit Mindestanzahl und Mindestübereinstimmung),
  • je Klasse eine Vorschaufarbe, mit der das Ergebnis im Live-Bild farblich dargestellt wird.