Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWMBeschreibung
Die automatische visuelle Oberflächenprüfung basiert auf Bildverarbeitungstechniken zur Erkennung von Oberflächenfehlern auf Produkten. Die automatisierte Qualitätssicherung in industriellen Anlagen ist auf solche Techniken angewiesen, um den ständig steigenden Anforderungen an die Produktionsgeschwindigkeit und die Anpassungsfähigkeit an neue Szenarien gerecht zu werden. Herkömmliche Ansätze zur automatisierten Qualitätssicherung werden aufgrund ihrer Starrheit gegenüber spezifischen Szenarien schnell zum Engpass. Um dieses Problem zu lösen, werden robustere und anpassungsfähigere Techniken benötigt, was das Interesse an künstlichen neuronalen Netzen steigert. Für die Entwicklung solcher Modelle werden jedoch große Datenmengen mit einer umfassenden Abdeckung von Randfällen benötigt, die in realen Umgebungen nur schwer und/oder teuer zu beschaffen sind.
Unser Ziel ist es, synthetisch generierte Daten mit Hilfe moderner physikalisch basierter Rendering-Techniken zu verwenden, um robuste und anpassungsfähige Modelle für die automatische visuelle Oberflächeninspektion zu entwickeln. Da sich synthetische Daten aufgrund verschiedener externer Einflüsse auf die Kamera und Annahmen in der Rendering-Pipeline von realen Daten unterscheiden können, erforschen wir Techniken zur Anpassung zwischen verschiedenen Datendomänen. Die Modelle neigen zu einer Überanpassung an die gegebenen Daten, was zu einer schlechten Leistung in realen Umgebungen führt. Zu diesem Zweck erforschen wir verschiedene Regularisierungs- und Visualisierungstechniken, um robustere und verlässlichere Modelle zu erstellen. Wir erwarten, dass diese Forschungsrichtungen einen starken Einfluss auf die Entwicklung und Anwendung automatisierter visueller Inspektionssysteme für verschiedene Branchen haben werden, die visuelle Inspektion zur Qualitätssicherung einsetzen.