Udmattelsesrevner
Ved svejsetæer, radier og boltehuller, hvor lasten koncentreres. Segmenteres én for én, så to revner på ét beslag er to registreringer.
Brancher
Metal og infrastruktur
Følg en revne, mens den vokser, i stedet for at finde den, når skaden er sket
Beslag, flanger og svejsesømme bærer last, indtil de ikke gør. I dag går nogen ud med en UV-lampe med faste intervaller og kigger. Et fast monteret kamera på emnet aflæser den samme belægning hver dag, måler indikationen og giver besked, når den overskrider jeres grænse.
- Aflæser Riluminati-belægningen: segmenterer og måler indikationen
- Fast kamera, løbende overvågning, ingen rutinebesøg på stedet
- Alarmerer ved en længde- eller arealgrænse, I selv sætter
Vi understøtter inspektion af monteringsbeslag, flanger, svejsesømme og bærende stålkonstruktioner.
Case 01 · Overvågning af infrastruktur over tid
Overvågning af beslag i drift, dag efter dag
Ikke en inspektionsstation — et kamera, der sidder på en konstruktion og aflæser det samme beslag hver dag. Beslagene er belagt med Riluminati, så en revne i stålet lyser gulgrønt under UV-lys. Riluminati gør den synlig; vi måler den og følger, hvordan den vokser. Deepvis producerer eller sælger ikke Riluminati-belægningen — vi understøtter inspektionen af den. Det erstatter ikke en certificeret NDT-inspektion. Det overvåger den samme indikation imellem dem.
- Billeder til træning
- 130
- Præcision
- 100%
- mAP@50
- 90.9%
Fotografier af revnede beslag, markeret i hånden.
Ingen falske positiver — alt, den markerede, var en reel revne. Ingen bliver sendt ud forgæves.
Standardmålet for, hvor tæt omridsene matcher dem, der er tegnet i hånden.
Sådan virker revneluminescens
- Topcoat. Sort, sprøjtet over indikatorlaget.
- Indikatorlag. Fluorescerer gulgrønt under 365 nm UV.
- Underlag. Stål eller aluminium. En revne i det får belægningen til at revne.
Belægningssystemet er Riluminati, udviklet af MR Chemie sammen med BAM. To dåser: 815 indikatorlag og 816 sort topcoat, begge fra MR Chemie. Deepvis understøtter inspektionen af det.
Case 02 · Svejseinspektion på linjen
Automatiseret svejseinspektion hos JP Group
Her er der tale om en inspektionsstation i en produktionscelle. Rundsømme på bearbejdet stål, kontrolleret på overfladen for porer og sprøjt, mens emnerne kommer igennem. Pointen er ikke kun at finde defekten — det er, hvem der skal stå der, når den bliver fundet.
Flaskehalsen var en person, ikke en maskine
- 01 En operatør kan køre et fast antal emner — f.eks. halvtreds — før arbejdet skal verificeres sammen med en svejsekoordinator.
- 02 Når det antal er nået, stopper produktionen af emnet, indtil koordinatoren er ledig. Er vedkommende syg eller optaget af en anden opgave, venter cellen.
- 03 Når svejsekontrollen automatiseres, forsvinder den flaskehals. Operatøren kører videre, og koordinatoren bruger sin tid dér, hvor der reelt er brug for en kvalificeret vurdering.
ISO 5817
Efter standarden, ikke uden om den
En pore er ikke automatisk en kassation. ISO 5817 fastsætter kvalitetsniveauer — B, C og D — og grænserne skalerer med materialetykkelsen, så den samme pore godkendes på ét emne og kasseres på et andet. Hvilket niveau der gælder, står på tegningen.
- Det gør det til en måleopgave snarere end en opdagelsesopgave. Vi segmenterer uregelmæssigheden og rapporterer en størrelse, som er det tal, niveauet holdes op imod.
- Porer og sprøjt er separate typer uregelmæssigheder med separate grænser, så de trænes og rapporteres som separate klasser.
- Hvert emne fotograferes og gemmes, og det er det, der gør kontrollen dokumenterbar i stedet for en påstand.
Læs på bloggen
AI-løsning fjerner flaskehals på maskinfabrik – kan nu tage større ordrer
Casen på video, på dansk.
“Deepvis fandt defekter, som operatøren og svejsekoordinatoren ikke kunne se med det blotte øje. NSK har set resultaterne og kan bekræfte dem.”
Kommer snart · Igangværende MADE-projekt
AI på røntgenbilledet: røntgeninspektion af svejsninger
Overfladeinspektion skanner svejsningen optisk. Røntgen aflæser det, der er inde i svejsningen: porøsitet, indeslutninger og bindingsfejl — intet af det er synligt på overfladen. Vi træner modeller til at aflæse røntgenbilleder i et igangværende demonstrationsprojekt med MADE. Endnu ikke en leveret funktion — under aktiv udvikling og på vej.
MADE Manufacturing Academy of Denmark, demonstrationsprojekt Besøg website → En svejsning på et metalemne, set gennem røntgen. Den mørke linje langs roden er den slags indikation, kun røntgen kan se — intet på overfladen afslører den.
I samarbejde med
På maskinen
Montering, cyklustid og kassationer
Hvor kameraet sidder, hvor hurtigt resultatet kommer tilbage, og hvad der sker med et dårligt emne.
- 01
Kamera fast monteret på emnet
Monteret på beslaget eller flangen og efterladt der. Ingen lift, ingen nedlukning og ingen tur ud for et rutinetjek.
- 02
Målt, ikke skønnet
Indikationen segmenteres, så I får en længde og et areal — og den samme målemetode næste måned.
- 03
Alarm ved jeres grænse
Sæt grænsen i mm eller mm². I får besked, når grænsen overskrides, ikke når nogen tilfældigvis kommer forbi næste gang.
- 04
Hver aflæsning gemmes
En vækstkurve pr. beslag i stedet for godkendt/kasseret pr. inspektionsrunde.
Defektliste
Det inspicerer vi for
Revnevækst
Længde og areal måles på samme måde ved hver aflæsning, så denne uge og sidste uge er sammenlignelige tal i stedet for to vurderinger.
Slid på belægningen, ikke en revne
En tyndslidt topcoat fluorescerer også, i diffuse pletter. At skelne det fra en revnelinje er det meste af opgaven, og tager man fejl, betyder det en udrykning forgæves.
Det ændrer sig
Det ændrer sig på linjen
Fire ting, et skift bemærker.
Ingen rutinebesøg på stedet
Intervalinspektion koster adgang, et rebhold eller en lift og som regel nedetid. Et fast kamera aflæser det samme emne dagligt for prisen af kameraet.
I kan se tendensen
En revne, der er vokset over en måned, er en anden beslutning end en, der ikke har flyttet sig på et år. En intervalinspektion kan ikke skelne de to.
Udskift på baggrund af målinger
Beslag tages ud, når målingen siger det, i stedet for efter en fast plan eller efter et brud.
Input til næste design
Hvor revnerne starter, og hvor hurtigt de vokser, på tværs af alle de beslag, I overvåger. Det går tilbage til konstruktøren.
Metoden
Sådan finder vi dem
Fire trin, uanset hvilket emne det er. Alt ovenfor blev først markeret i hånden. Det er sådan, modellen lærer jeres defekter — og den eneste måde, den lærer dem på.
I bestemmer, hvad der tæller
Vi tager udgangspunkt i jeres kassationskriterier, på jeres emner. Modellen returnerer det, I har markeret, og intet andet.
Belysningen først
Kamera, optik og belysning vælges efter materialet. Frostet PP og en sort lukning er to forskellige opgaver.
Omkring 120 emner
Hundrede billeder fra det kørende værktøj, 120 markeret. Jeres plast, jeres regenerat, jeres farver, jeres fikstur.
To timer til en model
Træningen tager cirka to timer. Derefter kontrolleres hvert emne inden for cyklussen og kasseres efter jeres grænse.
Første skridt
Bevis, at defekterne kan detekteres
I sender 100 emner — 50 gode og 50 defekte. Vi fotograferer dem, træner en model på dem i vores laboratorium, og 14 dage senere har I rapporten.
Det indeholder rapporten — klik på en side
Garanti
Hvis vi ikke kan finde den fejltype, I peger på, får I pengene tilbage. Køber I systemet inden for 60 dage, modregnes beløbet fuldt ud.
Book en detekterbarhedsanalyse
8.000 kr.
FAQ
Ofte stillede spørgsmål
Enkle AI-inspektionssystemer, der er nemme at sætte i drift i moderne produktionsmiljøer.
Hvilke typer fejl kan Deepvis finde?
Deepvis kan finde komplekse og uforudsigelige fejl, som er almindelige i genanvendt plast, f.eks. sorte prikker, short shots, overstøbning, urenheder, brændemærker og geometrifejl. Modellen trænes på annoterede eksempler af de fejltyper, I går op i, og den holder til den variation i materiale, farve og overflade, der følger med genanvendt råvare.
Skal jeg bruge tusindvis af billeder for at træne systemet?
Nej. Omkring 120 annoterede billeder er nok til at træne en model. Det er langt færre end traditionelle systemer, som kræver tusindvis af manuelt mærkede eksempler. Det er dog værd at bemærke, at krævende applikationer typisk klarer sig bedre, jo bedre data er.
Kan Deepvis følge med høje produktionshastigheder?
Ja — med den rette GPU-hardware kan Deepvis analysere emner i realtid ned til cyklustider på 0,5 sekunder, hvilket gør systemet velegnet til hurtige emballage- og produktionslinjer.
Hvordan adskiller Deepvis sig fra traditionelle visionsystemer?
Traditionelle systemer bygger på regelbaseret billedbehandling og skal programmeres om, hver gang et produkt ændres. Deepvis bruger AI til at tilpasse sig variation i produkterne og kræver ingen specialist til opsætningen — ideelt for fleksible producenter, hvor lange og komplekse opsætningstider ikke er en mulighed.
Hvad indgår i Deepvis inspektionssystem?
Hver enhed består af et kamera, en AI-edgecomputer og en softwareplatform til inspektion. Kunderne kan købe den samlede løsning som en engangsinvestering med valgfri softwarelicens og supportpakker.
Hvordan ved jeg, om Deepvis passer til min applikation?
Hvis jeres kvalitetskontrol er manuel, tidskrævende og påvirkes af hyppige ændringer i produkt, lys eller materiale, er Deepvis bygget til jer. Vores system er designet til at reducere mandetimer i visuel inspektion — især i miljøer med høje volumener og stor variation, hvor traditionelle systemer kommer til kort. Vi starter typisk med et afklaringsmøde og en pilot, der viser tidsbesparelsen og effekten på driften.
Her er vi
Bygget i Aalborg
Vores team og laboratorium ligger i Aalborg, tæt på de produktionslinjer, vi arbejder med i hele Danmark.
Deepvis HQ · Aalborg
Udforsk smartere kvalitetskontrol med Deepvis
Se hvordan AI-drevet visuel inspektion reducerer fejl, sænker omkostninger og tilpasser sig jeres produktionslinje — uden komplekst opsætningsarbejde.