Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWMWie ist ein Reifen im Detail aufgebaut? Welche Schichten verlaufen wo, wie gleichmäßig sind sie ausgeprägt – und entspricht der gefertigte Reifen exakt den Spezifikationen? Mit unserem »Tire Section Scanner«, dem Querschnittsscanner bei uns am Fraunhofer ITWM, lassen sich Reifenquerschnitte digital erfassen und mithilfe moderner KI-Methoden automatisiert auswerten.
Mit unserem Querschnittsscanner lassen sich Reifenquerschnitte hochauflösend erfassen und mithilfe moderner KI-Methoden automatisiert auswerten.
Beschleunigen Sie Ihre Reifenentwicklung und Qualitätssicherung mit einer KI-gestützten Analyse von Reifenschnitten. Unser »Tire Section Scanner« vereint hochauflösende Bildaufnahme mit moderner Deep-Learning-Segmentierung.
© Fraunhofer ITWM
Unser Querschnittsscanner für Reifen »Tire Section Scanner«
Analyse von Reifenquerschnitten mithilfe von KI-Bildsegmentierung am Fraunhofer ITWM
Hochauflösende Bildgebung bildet die Basis des Systems. Eine Farblinienkamera von Basler mit 4096 Pixeln Auflösung, Dual-Sensor-Technologie und 5-GigE-Schnittstelle erzeugt konsistente und detailreiche Scans von Reifenquerschnitten. Die entstehenden Bilddaten bewahren selbst feinste Strukturen sowie klare Material- und Schichtgrenzen und schaffen damit die Voraussetzung für eine präzise Analyse der inneren Reifenstruktur.
Integration in Simulation und Engineering-Workflows
Die aufbereiteten Daten können direkt als Vorverarbeitung für »CDTire Parameter Identification« sowie für FE-Simulationen genutzt werden. Das Modul PI (Parameter Identification) dient dazu, Modellparameter aus Messdaten – etwa aus Prüfstandsversuchen oder strukturellen Analysen – systematisch zu identifizieren und zu kalibrieren. Dadurch lassen sich simulationsbasierte Analysen deutlich effizienter durchführen, da Geometrie- und Materialinformationen strukturiert und konsistent bereitgestellt werden.
KI-gestützte Segmentierung und Strukturanalyse
Auf dieser Datengrundlage kommt unsere maßgeschneiderte Deep-Learning-Pipeline zur pixelgenauen Segmentierung zum Einsatz. Sie ist für die Ausführung ausschließlich auf der CPU optimiert und liefert einen hohen Durchsatz bei Bildern in voller Auflösung ohne dedizierte GPUs.
Das System erkennt und identifiziert automatisch zentrale Verstärkungsschichten, darunter:
- Wulst
- Karkasse
- Cap Ply
- Gürtel
Durch die exakte Lokalisierung und Klassifizierung dieser Komponenten entsteht ein transparentes Abbild des inneren Reifenaufbaus. Das schafft die Grundlage für die objektive, reproduzierbare und quantitativ auswertbare Bewertung.
KI-gestützte Identifizierung verschiedener Gummizonen
Qualitätssicherung in Entwicklung und Produktion
Darüber hinaus eignet sich der Querschnittsscanner für die Qualitätskontrolle in der Reifenproduktion und ermöglicht die Erfassung präziser, reproduzierbarer und anpassbarer Kennzahlen, darunter:
- Gürtelbreite
- Wulstgeometrie
- Seitenwanddicke
- Profildicke (Tread Gauge)
- Höhe des Wulstfüllers
Abweichungen in Schichtdicken, Lage oder Materialverteilung können frühzeitig erkannt und bewertet werden. So trägt das System dazu bei, Entwicklungsprozesse zu beschleunigen, Fertigungsqualität zu sichern und die Leistungsfähigkeit moderner Reifen nachhaltig zu optimieren.
Von der Forschung und Entwicklung bis zur Produktion liefern wir mit unserem »Tire Section Scanner« schnell verfügbare und verlässliche Daten. Die gewonnenen Ergebnisse lassen sich nahtlos in bestehende technische Arbeitsabläufe integrieren.
Sprechen Sie uns an, um die KI-gestützte Querschnittsanalyse in Ihr Labor oder Ihre Produktionslinie zu integrieren und Simulation sowie Qualitätskontrolle effizient zu beschleunigen.