Fraunhofer-Institut für Graphische Datenverarbeitung IGD
MODAL ist ein öffentlich gefördertes Projekt des BMWi in Zusammenarbeit mit der in Freiburg im Breisgau ansässigen Firma Optonic. Ziel ist die Optimierung und Effizienzsteigerung von 3D-Kameras zur Aufnahme von 3D-Daten im Einsatzbereich der industriellen Qualitätskontrolle mittels automatischer Objektdetektion. Bei der automatischen Objektdetektion wird ein 3D-Bild eines industriell gefertigten Objektes aufgenommen und mit dem vorliegenden CAD-Modell abgeglichen. Die Herausforderung besteht darin, die dabei eingesetzten Kameras als kompakte Systeme zu befähigen, diesen Vorgang durch Entwicklung und Integration eines Machine-Learning-Systems (ML-Systems) mittels Augmented Reality als Hardware-Modul eigenständig und ressourceneffizient ausführen zu lassen. Ein entsprechender Workflow verbindet sowohl die vorbereitende Verarbeitung der CAD-Geometrien für die notwendigen ML-Lernprozesse als auch entsprechende Fehlerklassifikationen mit einer schnellen Einrichtung des Prüfsystems für die optische Prüfung an dynamischen Produktionslinien.
Automatische Objektdetektion
Aufbauend auf der existierenden Datenbibliothek sollen in MODAL hocheffiziente ML-Verfahren entwickelt werden, damit das Training mit gerendertem Bildmaterial gleichziehend mit der AR-Anwendung auf Basis eines Hardware-gestützten Vorverarbeitungsschritts aktiviert werden kann. Dazu wird der Arbeitsraum, in dem die Objekterkennung genutzt wird, optimal reduziert. Hierbei ist die Erstellung eines teilautomatisierten Workflows notwendig, um die ML-Verfahren mit synthetischen und realen Bildern der zu überprüfenden Bauteile antrainieren zu können, die dann in einem komplexen Verbauzustand erkennbar sind und mit einer 3D-Spezifikation als Produktdatenstruktur abgeglichen werden können.
Neuronale Netze erleichtern Punktwolkenabgleich
Die synthetisch erzeugten Abbildungen von Bauteilen müssen für die ML-Verfahren im Nachgang dergestalt aufbereitet werden und die neuronalen Netze so antrainiert werden, dass eine schnelle Objekterkennung und -klassifikation in realen Produktaufbauten möglich ist. Die größte Herausforderung dabei besteht im Abgleich mit vorverarbeiteten/segmentierten Punktwolken, in der Erkennung von Teilstrukturen in Punktwolken und in der Verbindung entsprechender Verfahren auf optoelektronischer Ebene zur zeitlichen Optimierung. Die Verbesserung dieser Ansätze zur industriellen Applikation ist in einem sicheren Handling von Hintergrundrauschen zu sehen sowie in der Umsetzung zur Nutzung für Produkte unterschiedlicher Bauzustände und -varianten. Der Datenprozess sollte für den Benutzer möglichst einfach sein und außer den CAD-Daten keine weiteren Eingaben erfordern.
