Projektbeschreibung

Computer Vision ist eine attraktive Technologie zum Einstieg in die skalierbare Digitalisierung der Industrie. Die Technologie wird bereits intensiv im Endkundenbereich eingesetzt, aber ein vergleichbarer Erfolg in Fertigungsprozessen des sog. „Industrial Computer Vision“ (ICV) blieb trotz hoher Potenziale bisher aus. Im Rahmen des Vorhabens sollen die Prüfung der vielfältigen visuellen Inspektionen in der Produktion mithilfe von Computer Vision evaluiert werden. Zur Reduzierung des Aufwands für die Generierung von Trainingsdaten sollen synthetische Trainingsdaten aus den digitalen Zwillingen erzeugt werden. Für die Erkennung von Fehlern, Produktionsrückständen und unbekannten Prozessabweichungen sollen unsupervised-learning-Ansätze zum Einsatz kommen, welche auf den Normalzustand antrainiert werden um Abweichungen erkennen. Weiterhin soll ein Konzept für eine Nutzung automatisierter KI basierter Prüfungen als offizielles Prüfmittel durch die Erforschung der Erklärbarkeit von KI-Modellen erarbeitet werden. Für den Einsatz von Computer Vision Lösungen sollen weiterhin zur Befähigung von Mitarbeitenden geeignete Lernsysteme konzeptioniert und zur Weiterbildung getestet werden. Beim Einsatz von KI-Modulen für Computer Vision Anwendungen sollen Methoden zur Bewertung und Optimierung des Ressourcenverbrauch erforscht werden. Damit können Betriebskosten für den Einsatz cloudbasierter Systeme vorab ermittelt werden um Energiebedarfe zu minimieren. Für die Nachvollziehbarkeit der Ergebnisse und den Betrieb von Computer Vision Anwendungen sollen Erklärbarkeitsansätze für den Nutzer getestet werden. Damit sollen Nicht-Spezialisten befähigt werden Ihre Anwendungen zu verstehen und gezielt anpassen zu können. Im Rahmen von Langzeitversuchen wird der Data-Drift und die Stabilität sowie Zuverlässigkeit evaluiert und betrachtet. Zudem werden explorativ mit den gesammelten Datensätzen Backbone-Netze für Computer Vision Anwendungen für Produktionsumgebungen vortrainiert.