Automatiserad kvalitetskontroll av pressgjutna och varmpressade metallkomponenter

Syfte och mål

Projektet har gett deltagande metallförädlingsföretag ökad förståelse för nuvarande möjligheter och utmaningar med artificiell intelligens (AI) för defektdetektion. Projektet har visat att AI-baserad machine vision i princip kan användas för detektion av ytdefekter på metallkomponenter, men det har samtidigt identifierat en rad utmaningar kopplat till flexibilitet som måste lösas innan tekniken kan få bred spridning i svensk metallförädlingsindustri, bl.a. kapacitet hos AI-modellerna att snabbt omkalibreras för inspektion av nya komponenter och defekttyper.

Resultat och förväntade effekter

Projektet fokuserade på framförallt två defekttyper, dels kallflytningar och dels porer. AI-modeller för båda defekttyperna tränades och kunde visas fungera i princip, men detektion av porer var betydligt lättare än detektion av kallflytningar, som var väldigt känslig för omgivande ljusförhållanden. En effekt är att de två kameraföretagen skaffat sig ny erfarenhet av två nya industrier, vilket har potential att snabba upp utrullningen av AI inom dessa industrier. RISE har fått kunskap om defektdetektion som närmast kommer leda till ett examensarbete och en ny projektansökan.

Upplägg och genomförande

Projektets första fas, med laboratoriearbete, gick i det stora hela enligt plan, men den andra fasen, då fälttester skulle utföras, förhindrades tyvärr på grund av ett flertal oförutsedda händelser, där den enskilt största var pandemin. Rese- och besöksförbud rådde under lång tid, och därefter följde en lång period av återuppstart för några av metallförädlingsföretagen.