Um bei der Montage eines aus mehreren Adern bestehenden Kabels sicherzustellen, dass die Adern in der korrekten Reihenfolge verkrimpt werden, wurde eine visuelle Adernfarbernprüfung umgesetzt. Im Allgemeinen besteht hier die Herausforderung, die Varianz einer Kabelfarbe über verschiedenen Chargen zu berücksichtigen.

Ein gängiger Ansatz ist für diesen Fall die Verwendung von Machine Learning. Hiermit können verschiedene Ausprägungen einer Adernfarbe in ein Modell eintrainiert und bei Bedarf auch korrigiert werden. Über diesen Ansatz kann gezielt ermittelt werden, welche Adernfarben noch zu trainieren sind, um eine hohe Verlässlichkeit der Prüfung zu gewährleisten.

Die beispielhafte Implementierung zeigt eine automatische Erkennung der Farbübergänge, was eine freie Positionierbarkeit der Adern erlaubt. Für jede Ader wird die Farbklasse sowie die Sicherheit dieser Farbe ermittelt. Beide Informationen können über eine zu wählende Schnittstelle an das Prozessleitstsystem oder den Maschinenrechner übergeben werden.