Lernende Bildverarbeitung ist angesichts zunehmender Varianz in der Produktion eine Voraussetzung für eine automatische Oberflächeninspektion und Qualitätssicherung. Letztendlich geht es um die Entwicklung von Systemen, die Fehler nicht nur bewerten und Ausschuss erkennen. Durch die Rückkopplung zum gesamten Produktionsprozess soll Ausschuß nicht nur erkannt, sondern letztlich verhindert werden.

Die einzelnen Verarbeitungsschritte in einem Bildverarbeitungssystem haben einen unterschiedlichen Reifegrad:

1. Die verfügbare Sensorik zur Aufnahme von einem oder mehreren Bildern für eine maschinelle Inspektion ist ausgereift. Mit dem TPScan oder dem FScan hat auch PROFACTOR Lösungen für Spezialanwendungen entwickelt, die in der Industrie bereits in Einsatz sind.

2. Für die Erkennung und Bewertung von Defekten stehen eine Reihe von Machine Learning Tools zur Verfügung, die zum Teil bereits industrielle Reife haben. Im Rahmen von Forschungsprojekten werden vor allem die Machine Learning-Methoden weiterentwickelt und verfeinert. Die Herausforderungen sind:

  • Die Verfeinerung der Klassifikationsmethoden in Bezug auf Interpretierbarkeit und Nachvollziehbarkeit der Entscheidungen.
  • Die Nutzbarkeit oder Verwendbarkeit für Anwender: Sie müssen – auch als Nicht-Experten – in der Lage sein zum Beispiel bei neuen Varianten – neue Fehlerklassen zu definieren. Dazu werden Visualisierungstools verwendet.
  • Die Verringerung des Trainingsaufwands: Mit dem Active Leraning Ansatz kann die Anzahl der Referenzbeispiele reduziert werden. Das Machine Learning System wählt relevante Beispiele intelligent aus und fragt nach einer Bewertung

3. Die Rückkopplung der Inspektionsergebnisse zum Prozess ist die größte Herausforderung für die Forschung rund um Lernende Bildverarbeitung.

Die Forschung setzt sich die Entwicklung von Modellen zum Ziel, die eigenständig eine Änderung von Prozessparametern vorschlagen, mit denen Qualitätsprobleme beseitigt und die Produktion optimiert werden kann.

Incremental Learning ist eine Methode, um kontinuierlich anhand von Daten aus dem Prozess zu lernen. Die Herausforderung dabei ist es, lediglich den Normalbetrieb abzubilden und Störungen nicht in das Modell einfließen zu lassen. Mit „Drift Detection“ wird laufend überprüft, ob sich die Modelle nicht von der eigentlichen Aufgabenstellung wegbewegen.

Projekte

Der Erfolg der digitalen Fabrik basiert auf der bestmöglichen Einbeziehung des Menschen, seiner Erfahrung und Individualität in den Produktionsprozess. Die enge Kooperation von Mensch und Roboter ohne die üblichen Schutzzäune wird seit einigen Jahren erforscht. Dabei konzentrieren sich die Entwi...+
Die automatische Prüfung von Composite-Bauteilen gewinnt sowohl  in der Automobilindustrie als auch in der Luftfahrt zunehmend an Bedeutung. Während es bei den Produktionsverfahren substantielle Fortschritte gegeben hat, wird die Prüfung immer noch manuell durchgeführt, nimmt aber 30-50 Prozent...+
Ausgangssituation: Die effiziente Produktion von Faserverbundbauteilen ist für den Leichtbau von essenzieller Bedeutung. Bauteile mit einer 3d-Struktur werden aus Kohlefasermatten geformt. Bei der Drapierung ändern sich die Verläufe der Kohlefaserstränge auf komplexe Art. Die Ausrichtung der Fas...+
Holzfurnieroberflächen spielen als Leichtbau-Dekorteile für die Luftfahrtindustrie eine wichtige Rolle. Diese Oberflächen sind hochglänzend lackiert, deren Qualität wird im Rahmen der Abnahme von den Erstausrüstern (OEM) kritisch bewertet. Dabei werden Messgeräte eingesetzt, die Kennwerte üb...+
Rissprüfungen sind sowohl für die  Qualitätssicherung als auch für die reguläre Überprüfung von Bauteilen – zum Beispiel in der Luftfahrt - wichtig. Die aktuell eingesetzte Technologie ist bereits mehrere Jahrzehnte alt. Sie basiert auf fluoreszierenden, magnetischen Partikel und ist aufwe...+
Das Projekt UseML beschäftigt sich mit Inspektionssystemen, die Machine Learning–Strukturen nutzen und zu ihrer Optimierung Trainingsdaten benötigen. Die Meta- Information über den Zustand des Inspektionssystems wird extrahiert und in verständlicher Weise präsentiert.Die Bildverarbeitung für...+
In dem EU-Forschungsprojekt DARWIN geht es um die Entwicklung eines Roboters mit kognitiven Fähigkeiten, der agiert, lernt und denkt.  Der Roboter muss ein Verständnis,  sowohl von seiner Umgebung als auch von den physikalischen Eigenschaften der zu handhabenden  Bauteile entwickeln. Um sich ei...+
Der Einsatz von Machine Vision in der automatischen Qualitätssicherung produziert enorme Datenmengen, um Fehler zu detektieren. Das langfristige Ziel der Qualitätsprüfung ist aber nicht nur die robuste iO/niO-Erkennung, sondern die Verringerung oder Vermeidung von Ausschuss. Dazu ist eine Rückko...+

Publikationen

Heidl, S. Thumfart, E. Lughofer, C. Eitzinger, E. P. Klement; Machine Learning Based Analysis of Gender Differences in Visual Inspection Decision Making, Information Sciences, Vol. 224, pages 62-76, DOI: 10.1016/j.ins.2012.09.054, Mar 2013

Dittrich, T. Riklin-Raviv, G. Kasprian, R. Donner, P.C.Brugger, D. Prayer, G. Langs; A Spatio-Temporal Latent Atlas for Semi-Supervised Learning of Fetal Brain Segmentations and Morphological Age Estimation, Accepted for publication in Medical Image Analysis, 2013

Elkharraz, S. Thumfart, D. Akay, C. Eitzinger, B. Henson; Tactile texture features corresponding to human affective responses. Submitted to IEEE Transactions on Affective Computing

Heidl, S. Thumfart, E. Lughofer, C. Eitzinger, E. P. Klement; Machine Learning Based Analysis of Gender Differences in Visual Inspection Decision Making,Information Sciences, accepted, pre-press DOI: 10.1016/j.ins.2012.09.054

Grünauer, S. Zambal, K. Bühler; „Detektion von Koronararterien: Das Beste aus zwei Welten“, Bildverarbeitung für die Medizin (BVM):pp. 269-273, 2011

van Beilen, H. B ult, R. Renken, M. Stieger, S. T humfart, F. Cornelissen, V. Kooijman; Effects of Visual Priming on Taste-Odor Interaction, PLoS ONE 6(9): e23857, 2011, doi:10.1371/journal.pone.0023857

Heidl, C. Eitzinger, M. Gyimesi, F. Breitenecker; Learning over Sets with Recurrent Neural Networks: An Empirical Categorization of Aggregation
Functions, Mathematics and Computers in Simulation 82(3), pp. 442-449, doi:10.1016/j.matcom.2010.10.018, Nov 2011

Thumfart, R. H.A.H. Jacobs, E. Lughofer, C. Eitzinger, F. W. Cornelissen, W. Groissboeck, R. Richter, “Modeling human aesthetic perception of visual textures “, ACM Transactions on Applied Perception, Volume 8, Issue 5, Nov. 2011, doi:10.1145/2043603.2043609

Heidl, C. Eitzinger, M. Gyimesi, F. Breitenecker; Learning over Sets with Recurrent Neural Networks: An Empirical Categorization of Aggregation Functions, Mathematics and Computers in Simulation, ISSN 0378-4754, 2010

Groissboeck, E. Lughofer, S. Thumfart; Associating Visual Textures with Human Perceptions using Genetic Algorithms, Information Sciences, vol. 180, issue 11, pp. 2065-2084, doi:10.1016/j.ins.2010.01.035, 2010

H.A.H. Jacobs, R. Renken, S. Thumfart, F. W. Cornelissen; Different Judgments about Visual Textures Invoke Different Eye Movement Patterns, Journal of Eye Movement Research, 3(4):2, pp. 1-13, 2010

Tran, C. Eitzinger; ThermoBot – autonomous robotic system for thermographic detection of cracks. Workshop Proceedings of IAS-13, 13th Intl.Conf.on Intelligent Autonomous Systems, Padova (Italy) July 15-19,2014, ISBN 978-88-95872-06-3, pp.391-391

Eitzinger, S. Akkaladevi; Dexterous Assembler Robot Working with Embodied Intelligence, Workshop Proceedings of IAS-13, 13th Intl.Conf.on Intelligent Autonomous Systems, Padova (Italy) July 15-19,2014, ISBN 978-88-95872-06-3, pp.393-393

Eitzinger, K. Zhou; VALERI – Validation of Advanced, Collaborative Robotics for Industrial Applications. Workshop Proceedings of IAS-13, 13th Intl.Conf.on Intelligent Autonomous Systems, Padova (Italy) July 15-19,2014, ISBN 978-88-95872-06-3, pp.392-392

Eitzinger, A. Baghbanpourasl, S. Zambal; Image Processing Issues in Scanning Inspection Robots. Workshop Proceedings of IAS-13, 13th Intl.Conf.on Intelligent Autonomous Systems, Padova (Italy) July 15-19,2014, ISBN 978-88-95872-06-3, pp.394-402

Traxler, P. Thanner, G. Mahler; Temporal analysis for implicit compensation of local variations of emission coefficient applied for laser induced crack checking, 12th International Conference on Quantitative Infrared Thermography, Bordeaux, France, 7th-11th July 2014

Dittrich, T. Riklin-Raviv, G. Kasprian, R. Donner, P.C.Brugger, D. Prayer, G. Langs. A Spatio; Temporal Latent Atlas for Semi-Supervised Learning of Fetal Brain Segmentations and Morphological Age Estimation, Medical Image Analysis, Vol. 18(1), pp. 9-21, January 2014.

Alexander Walch, Christian Eitzinger; A combined calibration of 2D and 3D sensors, Proceedings of the VISAPP. 9th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, Lisbon, Portugal, 5th-8th Jan. 2014

Traxler, P. Thanner, P. Meyer Heyer; Design of and practical experience with a thermographic crack checking system using laser heating, 11th European conference on NDT, 2014 10 09 Prag, ISBN: 978-80-214-5018-9 by Brno University of Technology, http://www.ndt.net/events/ECNDT2014/app/content/Paper/166_Traxler.pdf

Traxler; Unterdrückung des Emissionsgradeinflusses in der Laser angeregten Rissprüfung, Tagungsband der ÖGfTh (Österreichische Gesellschaft für Thermografie), 26.9.2014 Eugendorf/Austria

Walch, C. Eitzinger. A combined calibration of 2D and 3D sensors, Proceedings of the VISAPP. 9th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, Lisbon, Portugal, 5th-8th Jan. 2014

Heidl, S. Thumfart, and C. Eitzinger, Humans Differ; So Should Models. Systematic Differences Call for Per-Subject Modeling, ICAART 2012: Proceedings of the 4th Int. Conf. on Agents and Artificial Intelligence, pages 413-418, Vilamoura, Portugal, February 6th-8th, 2012

Heidl, S. Thumfart, E. Lughofer, C. Eitzinger, E. P. Klement; Classifier-based analysis of visual inspection: Gender differences in decision-making, Proc. of SMC 2010, IEEE Conference on Systems, Man and Cybernetics, pp. 113-120, Istanbul, Turkey, October 2010

Thumfart, J. Scharinger, C. Eitzinger; Pixel based Texture Mixing, Proc. of the 34th Workshop of the Austrian Association for Pattern Recognition, pp. 147-154, Zwettl, Austria, May 27-28th 2010

Henson, G. Elkharraz, S. Thumfart, D. Akay, C. Eitzinger; Machine vision approach to predicting affective properties of tactile textures, In Proceedings of the International Conference on Kansei Engineering and Emotion Research, KEER 2010, Paris, France, March 2- 4, ISBN 978-4-9905104-0-4, pp. 2261 – 2270, 2010.

Thumfart, W. Palfinger, M Stöger, C. Eitzinger; Accurate Fibre Orientation Measurement for Carbon Fibre Surfaces, accepted for presentation at CAIP 2013, York, UK, Aug 27-29th, 2013

Eitzinger, S.Ghidoni, E. Menegatti; ThermoBot: towards semi-autonomous, thermographic detection of crack, Proc. of the International Conference on Heating by Electromagnetic Source HES-13, pp. 461-468, Padua, May 21-24, 2013

Eitzinger, PROFACTOR, Steyr-Gleink, Österreich, G. Mahler, InfraTec, Dresden; Konzeption und Aufbau einer robotergestützten Plattform für optisch angeregte Wärmefluss-Thermografie. Presented at DGZFP, Thermographie-Kolloquium 2013, 26. – 27. September 2013, Leinfelden-Echterdingen

Traxler, PROFACTOR, Steyr-Gleink, Österreich, S. Koch, Institut Dr. Foerster, Reutlingen; Inline-Prüfung von warmgewalzten Stahlknüppeln mittels Wärmeflussthermographie, Presented at DGZFP, Thermographie-Kolloquium 2013, 26. – 27. September 2013, Leinfelden-Echterdingen

Thanner, G. Traxler, Design for Thermographic Crack Checking System using Laser Induced Heat Flux Technology, Presented at Factory Automation Conference 2012, Veszprem, Hungary, 21-22 May 2012 Proceedings of Factory Automation 2012, pages 122-125, Veszprem, Hungary

Thumfart, W. Palfinger, C. Eitzinger; Vision based sensors enabling automated production of composite material. In the Proc. of SAMPE / SEMAT 2012, Munich, May 24th – 25th, pp. 301 – 306, ISBN: 978-3-952 3565-6-2, 2012

Eitzinger, S. Thumfart: Optimizing Feature Calculation in Adaptive Machine Vision Systems, M. Sayed-Mouchaweh and E. Lughofer (eds.), Learning in Non-Stationary Environments: Methods and Applications, DOI 10.1007/978-1-4419-8020-5_13, Springer Science+Business Media New York 2012

S.Thumfart, PhD Thesis: Genetic Texture Synthesis. Johannes Kepler University Linz, Department of Computational Perception, Feb 2012

Dittrich; Ein Atlas der frühen Gehirnentwicklung. Published online at ORF Science, July 2013

Thanner: “Defect Avoidance, Machine-vision system catches defects in seamless steel tube production using linescan cameras and nearinfrared imaging“, Vision Systems Design (VSD) Magazin, 1.6. 2010

Wögerer, P. Thanner, G. Traxler: “Measurement of Material properties with Thermography“, FACTORY AUTOMATION 2011 Conference, Györ, Hungary, 24-26 May 2011

Wögerer, P. Thanner, G. Traxler: „Thermografic methods for online control for steel pipes“, FACTORY AUTOMATION 2011 Conference, Györ, Hungary, 24-26 May 2011

Petra Thanner „Mülltrennung mit Infrarottechnologie“, Newsletter E!AT aktuell, März 2010

Thumfart; “Pixel based Texture Mixing“, ÖAGM 2010 – 34th annual workshop of the Austrian Association for Pattern Recognition (AAPR) – Computer Vision in a Global Society, Zwettl, 28. Mai 2010

Thanner, W. Palfinger, “Qualitätssicherung von Carbonfaserteilen mit Bildverarbeitung
Handhabungstechnik – Der Schlüssel für eine automatisierte Herstellung von Composite-Bauteilen, Augsburg, 8. Juli 2010

Thanner, W. Palfinger, G. Traxler, “Wärmeflussauswertung für die induktiv angeregte Rissprüfung“, Thermografieforum Eugendorf, Eugendorf, 10. September 2010

Eitzinger; “Adaptive Produktion“, 25 Jahre Eureka, Linz, 7. Oktober 2010

Thanner; “EM80 – OIDIPUS, Optimized InGaAS Detectors for Imaging Applications and Industrial Spectroscopy“, 25 Jahre Eureka, Linz, 7. Oktober 2010

Heidl; “Classifier – based analysis of visual inspection: Gender differences in decision-making“, SMC2010, IEEE International Conference on Systems, Man and Cybernetics, Istanbul, 11. Oktober 2010

Thanner, G. Traxler; “Advanced Evaluation for Thermographic Crack Detection with Inductive Excitation for Steele Billets“, 20th Manufuturing Confernece, Budapest, 20. Oktober 2010

Traxler; „Automatisierte Inline-Prüfmöglichkeit mit aktiver Thermographie“, Seminar Wärmefluss-Thermographie, Erlangen, 4. November 2010

Petra Thanner; Defect Avoidance, Machine-vision system catches defects in seamless steel tube production using linescan cameras and near-infrared imaging,Vision Systems Design (VSD) Magazi, 1.6. 2010

Thanner, G. Traxler; Qualitätssicherung von Carbonfaserteilen mittels Bildverarbeitung, 8. Juli 2010, Handhabungstechnik – Der Schlüssel für eine automatisierte Herstellung von Composite-Bauteilen, Augsburg, Germany

Ihr Ansprechpartner

Dr. Christian Eitzinger
Head of Machine Vision

+43 7252 885 250
christian.eitzinger@nullprofactor.at

Gerne antworten wir…

… auf Ihre Fragen