Automatisierte Inspektionssysteme sind zwar Stand der Technik, aber teuer und brauchen viel Zeit und Know-how in der Entwicklung. Letzteres gilt insbesondere für die Fehlersuche in nicht-standardisierten Bauteilen. Schneller geht es mit einer gut bestückten Datenbank, die anwendungsrelevante Fehler abbildet. Dabei werden nicht nur echte Bilddaten gesammelt, sondern auch Datensätze, die Defekte so beschreiben, dass daraus künstliche und fotorealistische Bilder erzeugt werden können.
Digitale Fehlerbibliothek
Die Abteilung »Bildverarbeitung« am Fraunhofer ITWM in Kaiserslautern beschäftigt sich schon lange mit der Detektion von Fehlern in Oberflächen: »Wir liefern komplette Inspektionssysteme, also Hardware und Software«, sagt Abteilungsleiter Markus Rauhut. »In den vergangenen Jahren haben wir unsere Algorithmen um Methoden des Maschinellen Lernens erweitert. Wir können nun fotorealistische Datensätze generieren, mit denen wir unsere KI trainieren.« Projektleiterin Dr. Petra Gospodnetic ergänzt: »Damit reduzieren wir Anzahl physischer Fehlerproben erheblich, aus denen die KI üblicherweise lernt. Dank der Förderung des Landes Rheinland-Pfalz können wir unsere Fehlerbibliothek signifikant erweitern, noch mehr Fehler erkennen und spezifizieren.«