01.01.2023: Neues Forschungsprojekt “MuViS – Hybride KI zur lernfähigen, dateneffizienten und erklärbaren Multi-View-Sichtprüfung von variantenreichen Montagebaugruppen” gestartet

Obwohl das Anwendungsspektrum der Bildverarbeitung seit Jahren wächst, ist bis heute nur ein Teil der industriellen Sichtprüfungsaufgaben automatisiert. Methoden der Künstlichen Intelligenz (KI) bergen das Potential, künftig auch schwierige, bislang manuell durchgeführte Sichtprüfungsaufgaben zu automatisieren. Da klassische Deep-Learning-(DL)-Verfahren eine große Menge an Trainingsdaten erfordern, sind sie bei Prüfobjekten mit hoher Varianz und kleinen Losgrößen kaum anwendbar. Ferner sind gängige DL-Architekturen auf die Auswertung einzelner Bildperspektiven beschränkt, aufgrund ihres Blackbox-Charakters nur bedingt erklärbar und ohne Möglichkeit, bestehendes Fakten- und Regelwissen einzubeziehen. Demnach ist es das Ziel des vorliegenden Forschungsprojekts, den genannten Herausforderungen durch die Entwicklung einer hybriden, dateneffizienten KI-Lösung zu begegnen, welche es ermöglichen soll, künftig auch Montagebaugruppen mit hoher Variantenvielfalt automatisch zu inspizieren.

Weitere Informationen zum Projekt finden Sie hier.

Kontakt:

Andreas Mayr, M.Sc., M.Sc.

Technologiefeldleiter "Künstliche Intelligenz und Maschinelles Lernen"

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS)


Benedikt Scheffler, M.Sc.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)


Dr.-Ing. Alexander Kühl

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)