Machbarkeitsdemonstration
QualiEdge AI — Synthetische OpenCV-Baseline
720 × 440 Pixel, fünf feste Bildbereiche und HSV-Farbanteile. REVIEW bei extremer Helligkeit. Nur synthetische, illustrative Daten; kein Machine-Learning-Modell wurde trainiert.
Beispielbilder · Seed 33
Fünf synthetische Szenarien
Lokale Auswertung
150 künstliche Bilder prüfen
30 Bilder je Szenario, Positionsvariation bis 6 Pixel und wechselnde Helligkeit. Ergebnisse sind keine industrielle Genauigkeit.
Python-Referenzlauf
Illustrative Referenzwerte
150 Bilder: 30 erwartete PASS und 120 erwartete FAIL korrekt zugeordnet; 0 REVIEW. Ausschließlich synthetische Daten, keine reale Produktionsgenauigkeit.
| Szenario | HSV-Anteil | Ergebnis |
|---|---|---|
| normal | 0.620 / 0.588 / 0.424 / 0.188 / 0.000 | PASS |
| missing_clip | lower_clip 0.003 | FAIL |
| missing_seal | seal 0.065 | FAIL |
| wrong_orientation | orientation 0.000 | FAIL |
| surface_mark | surface_mark 0.155 | FAIL |
Grenzen
Was noch real validiert werden muss
Farbregeln reagieren empfindlich auf Licht und Bauteilfarbe. Feste Bildbereiche sind bei großen Verschiebungen unzuverlässig. Keine reale Optik, Linsenverzeichnung, Halterung oder Registrierung wird modelliert. Die Dichtung ist lediglich eine farbige Fläche.
Benötigt werden Industriekamera, Objektiv, kontrolliertes Licht, stabile Halterung, freigegebene reale Muster, Fehlerklassen, Registrierung, getrennte Testdaten, Bildrechte und Zykluszeitmessung.