Projekttitel

Lernfähige Bildverarbeitungssysteme als dynamisch rekonfigurierbare Qualitätssicherung für Fertigung und Produktion

Projektinhalt

Ziel des Projektes DynaVis ist die Entwicklung von Lernverfahren, die für Bildverarbeitungssysteme im Rahmen der Qualitätssicherung eingesetzt werden können. Während der Inbetriebnahmephase eines Inspektionssystems muss häufig das Problem gelöst werden, wie das Wissen der Qualitätsexperten in Software abgebildet werden kann. Derzeit ist das ein langsamer Anpassungsprozess, in dem die Software des Bildverarbeitungssystems schrittweise an die Entscheidungen des menschlichen Prüfers angeglichen wird. Dieser Prozess ist aufwendig und dauert sehr lange, manchmal sogar mehrere Monate.
Die Ergebnisse von DynaVis werden dieses Problem lösen. Dazu wird die Bildverarbeitungssoftware mit einer lernfähigen Komponente ausgestattet, die es ermöglicht, dass das Inspektionssystem vom Menschen lernt. In einer Kooperationsphase, in der Mensch und Maschine die zu prüfenden Teile gleichzeitig bewerten, lernt das Bildverarbeitungssystem, worauf es bei der Prüfaufgabe ankommt. So kann es nach vergleichsweise kurzer Zeit die Entscheidungen des Menschen mit hoher Genauigkeit reproduzieren.

Projekziele

Wesentliche Ziele des Projektes sind die Entwicklung trainierbarer und  adaptiver Bildverarbeitungsalgorithmen und dafür geeigneter Lernverfahren. Dazu werden folgende wissenschaftliche Themen behandelt:

• Lernverfahren, die mit den komplexen Datenstrukturen in der Bildverarbeitung umgehen können
• Methoden, die mit den widersprüchlichen Entscheidungen verschiedener Bediener umgehen können 
• Methoden, die in der Lage sind, den Lernerfolg frühzeitig vorherzusagen

Mit dem Projekt werden neue Wege beschritten, wie komplexe Produktionssysteme adaptiv und automatisch rekonfigurierbar gemacht werden können. Im Fall des Projektes DynaVis handelt es sich um Bildverarbeitungssysteme zur Qualitätssicherung, die mit lernfähigen Komponenten ausgestattet werden sollen. Dazu werden Technologien wie fuzzy logic, clustering oder regelbasierte Klassifikationsverfahren eingesetzt.

Mehr Informationen unter www.dynavis.org.