提高速度、精度和灵活性——在优化生产方面，利用一切可能的机会都非常重要。为此，弗劳恩霍夫材料和光束技术研究所的研究人员开发了SURFinpro解决方案，该解决方案利用人工智能和光学测量技术实时检测、分类和可视化缺陷，并将其报告给正在进行生产的工厂。

易轻、极薄、极为可靠，同时能够实现快速生产速度——Fraunhofer IWS旗下位于德国齐卡乌的光学计量和表面技术应用中心AZOM的表面计量小组经理克里斯托弗·陶特博士和他的团队确保产品承诺能够成为现实。这些科学家们一起开发了一套系统，可以检测表面缺陷、异常物品以及纹理变化，并且借助人工智能技术进行评估。

这个过程可以快速地捕捉到表面的三维信息，并且分辨率高。测量数据用于生成在线的补充信息，用于正在进行的生产过程。Taudt补充说：“这个系统不仅可以检测缺陷，同时还可以对它们进行分类，并立即建立更广泛的上下文。我们的客户接收到有关缺陷类型的信息，以及很多其他参数，如缺陷的密度、几何尺寸和频率。”“与传统系统相比，这代表了显著的附加值。”

在更高速度下拥有更高精度

该测量系统已经在工业界成功运作了一年多，可分析70厘米宽度的卷对卷工艺。为了进一步发挥优化潜力，Christopher Taudt和SURFinpro团队正在利用一个缺陷目录在正在进行的生产中对系统进行培训。随着缺陷报告的汇总，它们被输入到神经网络中，从而进一步提高检测准确性。

研究人员利用测量信息来检查是否发生了新的缺陷或现有的缺陷是否被修改，这需要系统的动态响应。“一方面，我们正在努力开发更好的神经网络，需要更少的数据，”科学家解释道，“此外，我们还在不断运营中开发新的培训策略。”

Fraunhofer AZOM的专家们目前正在将他们的技术适应到新的应用领域，例如连续纤维复合材料制造过程。“在这里，我们的合作伙伴不仅对避免近表面缺陷感兴趣，他们还希望该技术能够在多个维度上识别和评估元件，”Taudt解释道。该团队预计算法和缺陷分类系统的另一目标群体是半导体行业，例如在生产柔性半导体材料方面。

目前，弗劳恩霍夫AZOM解决方案最多使用四个相机。研究人员计划在下一步中增加额外的相机系统。这将无论评估的过程是什么，都会带来益处，从涉及非常大组件的纤维复合工艺到传统的卷对卷工艺，例如在光伏行业中使用的工艺。

科学家们关注的另一个关键方面是系统速度。尤其是在强化纤维塑料和纺织加工中，非常短的周期时间需要尤其快速。

“提高速度是一个重要的问题，而我们具备满足这些要求的专业知识。我们的解决方案首先使用机器学习和人工智能技术进行实际分析，进而加速评估步骤，”该组经理解释道，并补充说：“有效的测量分析过程由可管理的多个单独步骤组成，这些步骤能过滤和减少数据。我们在这一领域持续开发新技术，以使这一过程更快，并从更少的数据中提取相同数量的信息。”

智能且独具匠心的模块化

科学家们认为他们的系统的一个关键特性是其模块化。由于采用了有效组件的复杂模块化方法，SURFinpro提供了各种潜在的部署方式，并易于适应。"我们系统中使用的许多技术都是作为独立的组件开发的，可以在各种不同的环境和项目中有效实施。"

Fraunhofer AZOM研究人员的项目是模块化方法成功和实用性的最佳例证。

今年的光子学世界激光展会将看到克里斯托弗·托德特及其团队提供解决方案，并使用卷对卷工艺生产柔性太阳能电池的示例应用。从6月27日到30日参加贸易展览的访客可以在A3展厅的Fraunhofer联合展位441上实时观看解决方案执行数据捕获和分析的正在进行的过程。