Adaptive Polishing: Vision en AI toepassen voor high-mix low-volume automatisch polijsten

In de hightech maakindustrie vormt oppervlaktebewerking een kritieke bottleneck door de afhankelijkheid van schaars handmatig vakmanschap en de beperkingen van traditionele robotica in high-mix, low-volume (HMLV) omgevingen. Mkb-bedrijven kampen met een vergrijzende beroepsgroep en hoge instelkosten voor rigide automatisering, die vaak "blind" is voor variaties in productpositie en initiële oppervlaktekwaliteit.
In dit project onderzoekt de Mechatronics and Precision Engineering Research Group van Fontys Hogescholen, samen met robotintegrator Concept Robotics en automatisch oppervlaktebewerking MKB RobPainting, hoe Computer Vision en Artificial Intelligence (AI) effectief geïntegreerd kunnen worden in een adaptief polijstsysteem. Door de overstap van rigide automatisering naar een intelligent, vision-guided systeem wordt menselijke flexibiliteit gecombineerd met robotische consistentie.
Het project omvat het inrichten van een industriële robotcel uitgerust met vision-hardware voor autonome "Scan & Capture"-routines, waarmee hoogwaardige datasets van zowel echte als synthetische beelden (via digital twins) worden gegenereerd voor AI-training (WP1). Vervolgens richt het onderzoek zich op de ontwikkeling en validatie van Al-modellen voor nauwkeurige objectidentificatie, 6D-pose schatting en de automatische detectie van oppervlaktefouten zoals krassen of afwijkende ruwheid (WP2). In de derde fase (WP3) volgt de integratie van deze AI-outputs met de robotbesturing; hierbij worden offline gegenereerde CAD-paden via automatische coördinatentransformaties exact uitgelijnd op de fysieke werkelijkheid. Tot slot wordt een regelkring gerealiseerd waarin procesparameters zoals kracht, snelheid en toerental dynamisch worden bijgesteld op basis van de geconstateerde oppervlakteconditie van het werkstuk (WP4).
Het project levert een schaalbare "Scan & Polish"-demonstrator op die variabele onderdelen zonder menselijke tussenkomst verwerkt, inclusief een technisch eindrapport met implementatierichtlijnen. De opgedane kennis wordt ingebed in het onderwijs via studentenprojecten en versterkt de regionale concurrentiepositie door productiecapaciteit minder afhankelijk te maken van de schaarse arbeidsmarkt.