Im Projekt SynosIs entwickeln wir gemeinsam mit unseren Forschungspartner:innen ein Inspektionssytem, das auf Künstlicher Intelligenz (KI) beruht und Defekte auf Oberflächen schnell und automatisiert erkennt. Das Projekt wird vom Bundesministerium für Bildung und Forschung (BMBF) gefördert.
Bildverarbeitungssysteme zur Qualitätskontrolle in der Produktion lösen zunehmend komplexere Aufgaben und müssen aufgrund kurzer Entwicklungszyklen immer schneller auf neue Produkte und Fehlerbilder reagieren. Typische Prüfaufgaben sind die Detektion von Oberflächenfehlern und Abweichungen von der Sollgeometrie. Künstliche Intelligenz (KI) kommt in Bilderkennung, -verarbeitung und -verstehen zwar zum Teil erfolgreich zum Einsatz. Das Training eines robusten, automatischen, KI-basierten Inspektionssystems erfordert jedoch eine große Menge manuell annotierter Bilddaten, die insbesondere für alle Fehlertypen repräsentativ sein müssen.
Herausforderungen eines KI-basierten Inspektionssystem:
- Viele Fehler treten sehr selten auf. Insbesondere Fehler, die kritisch für die Sicherheit von Bauteilen sind, werden seltener beobachtet, da sie möglichst produktionsseitig vermieden werden.
- Die manuelle Annotation von beispielhaften Fehlern ist daher nicht nur aufwändig, sondern führt z.T. auch zu inkonsistenten Ergebnissen.
- Insbesondere kann die Entscheidungen des trainierten Systems durch den Mangel an Fehlerbildern im Training verzerrt sein.
Es ist daher wünschenswert, automatisch realistische synthetische Bilddaten zusammen mit den entsprechenden Annotationen zu generieren. Die Simulation solcher Bilddaten erfordert derzeit noch mehrfach manuelle Interaktion. Zudem ist die synthetische Generierung von Oberflächendefekten ein offenes Forschungsthema.