Inline-Schweißnahtprüfung durch KI-gestützte, kamerabasierte Verfahren

Die industrielle Schweißnahtüberwachung spielt eine zentrale Rolle für die Qualität und Sicherheit metallischer Bauteile. Traditionelle visuelle Inspektionen sind zeitaufwendig, fehleranfällig und tagesformabhängig und damit nicht konstant. Deep‑Learning‑Methoden, insbesondere Autoencoder, ermöglichen eine automatisierte und robuste Fehlerdetektion, indem sie Merkmalsrepräsentationen aus defektfreien Daten lernen. Dieser Beitrag erläutert Aufbau und Training von Autoencoder-Netzen für die Schweißnahtinspektion, stellt eine typische Systemarchitektur vor und diskutiert Leistung, Grenzen sowie Perspektiven zukünftiger Entwicklungen.