SMYG – Smart bildanalys för ytdefekter på gjutna komponenter

Svenska aluminium-, järn- och stålgjuterier vill bli bättre på att detektera och bedöma defekter och avvikelser på den gjutna komponentens yta, för att säkerställa en jämn och hög kvalitet på levererade produkter. Arbetsmiljön och arbetsinnehållet i kvalitetskontrollen behöver förbättras, då det idag innefattar fysiskt krävande manuell hantering med tunga lyft och dessutom innebär avsevärt ansvar under ofta stor tidspress. Gjuterierna vill också minska kassationer och omsmältning av material och komponenter och därigenom bli mer resurseffektiva med avseende på materialanvändning och energiförbrukning. Idén med projektet är därför att effektivisera den löpande kvalitetskontrollen av gjutgods med hjälp av computer vision-system och fysikbaserad maskininlärning. 

Målet är att skapa förutsättningar för ett digitalt computer vision-verktyg för nästa generations kvalitetskontroll av ytdefekter på gjutna komponenter. Användningen av computer vision i svenska gjuterier möter idag två stora utmaningar: bristen på relevanta träningsdata, och den krävande industriella miljön i ett komponentgjuteri. Detta projekt kommer att utveckla hybridmetoder men fysikbaserad maskininlärning för att framställa relevanta syntetiska träningsdata för visionsystemen, och dra upp riktlinjer för design och kravställning av det digitala verktyget. I förlängningen kommer detta att möjliggöra nya och kombinerade dataflöden mellan olika system inom gjuteriproduktionen för nya och utökade användningsområden.