MASCHINELLES SEHEN in der Produktionstechnik
Das 2024 gegründete Institut für Maschinelles Sehen der Hochschule Kempten hat seine Keimzelle im 3Dvisionlab und beschäftigt sich damit, Maschinen das „Sehen“ zu ermöglichen!
Innovationen in der Produktions- und Fertigungstechnik sind durch einen immer höheren Grad der Automatisierung geprägt, wobei einzelne Systeme zunehmend autonom agieren und dabei Prozess- bzw. Qualitätsdaten erfassen. Qualitätsmerkmale von Bauteilen – die häufig visuell definiert und aufgenommen werden können – spielen dabei eine entscheidende Rolle für eine gezielte datengetriebene Prozessoptimierung.
Dabei befasst sich unser Forschungsfeld mit visueller Sensorik und entsprechender Algorithmik um Eigenschaften wie Lage, Abmessungen, Form, Anzahl und insbesondere die Güte von Objekten zu erfassen, beispielsweise für die automatisierte Prozesssteuerung im industriellen Umfeld. Typische Einsatzgebiete sind industrielle Produktionsprozesse, die Automatisierungstechnik und die Qualitätssicherung. Dabei ist maschinelles Sehen inhärent interdisziplinär und erfordert zur Erforschung und Entwicklung geeigneter Systeme Kenntnisse auf den Gebieten der Optik, optischer Sensorik, der mathematischen Bildverarbeitung und künstlichen Intelligenz, sowie verschiedenster Ingenieurwissenschaften.
Die Bedeutung des maschinellen Sehens hat in vielen Bereichen der modernen Produktionstechnik und Qualitätskontrolle in den letzten Jahren stark zugenommen und ein Ende dieses Trends ist nicht absehbar. Dabei ist eine starke Entwicklung hin zu maßgeschneiderten, inline-fähigen Systemen zu verzeichnen, bei denen die optische Sensorik eine Schlüsselrolle spielt. Vielfältige Herausforderungen, wie zum Beispiel Art und Genauigkeit der zu erfassenden Merkmale, Anforderungen an die Messraten, Einschränkungen durch Umwelteinflüsse und oftmals starke Beschränkungen im vorhanden Bauraum, bedingen die stetige Entwicklung und Erforschung neuartiger optischer Sensorkonzepte.
Angepasste und individuell ausgelegte optische Sensorik versetzt Anlagenhersteller und industrielle Anwender in die Lage, berührungslos und mit hoher Taktrate „optische Rohdaten“ zu erfassen. Zur Interpretation und Auswertung der Bilddaten sind meist anspruchsvolle Bildverarbeitungsalgorithmen notwendig. Vor allem jüngere Entwicklungen zum maschinellen Lernen und besonders auf dem Gebiet der faltungsbasierten neuronalen Netze erschließen neuartige Möglichkeiten für die industrielle Bildverarbeitung.
