Im 21. Jahrhundert kommt optischen Technologien und KI aufgrund der kontinuierlichen Verschärfung gesetzlicher Anforderungen an Produkt- und Qualitätsstandards sowie aufgrund der wirtschaftlichen Notwendigkeit der Automatisierung von Produktionsstrecken eine stetig steigende Bedeutung als Schlüsseltechnologien in zahlreichen Industriebereichen zu. In der industriellen Qualitätssicherung sind die industrielle Bildverarbeitung und die optische Messtechnik eng miteinander verbunden und ab einer gewissen Komplexität der Analyseaufgabe zwingend auch eine Einbindung von KI-Technologien unabdingbar. Eine Automatisierung messtechnischer Aufgaben im industriellen Produktionsprozess erfordert zwingend die Integration und Übertragung von Expertenwissen auf ein maschinelles System unter Verwendung einer geeigneten Sensorik, einer intelligenten Algorithmik sowie des Apriori-Wissens in Form einer Experten-basierten Datenbasis. In der angebotenen Vorlesung wird die Anwendung des maschinellen Lernens in der industriellen Bildverarbeitung zur Übertragung des Expertenwissens auf ein intelligentes Computersystem für technische Erkennungsaufgaben dargelegt und es werden Handlungshilfen für die systematische Lösung von Erkennungsaufgaben unter Verwendung von KI-Algorithmen gegeben. Es wird ein umfangreicher Einblick in die für die Lösung solcher industrieller Qualitätssicherungsaufgaben benötigten Teilschritte, von der Bildverarbeitungstheorie, der Anwendung maschineller Lernverfahren bis hin zu notwendigen Optimierungsstrategien der Lernverfahren gegeben. Die maschinellen Lernverfahren (ML) zur Lösung erkennungstechnologischer Aufgaben werden am Beispiel von ausgewählten industriellen Applikationen detailliert aufgezeigt.

Vorlesungsinhalte:

1. Industrielle Bildverarbeitung – Hintergründe & Fakten

• • Industrielle Fragestellungen vor dem Kontext KI
  • Einordnung des Machine- und Deep-Learnings in den Bereich Artificial Intelligence
  • Definition verschiedener Klassifikationsaufgaben im ML

2. Objektklassifikation in der industriellen Bildverarbeitung

• • Grundlegende Begriffe des Maschinellen Lernens (ML)
  • Klassifikationsstrategie des überwachten und unüberwachten maschinellen Lernens
  • Komponenten eines Bildverarbeitungssystems zur Objektklassifikation
  • Genereller Ablauf einer Erkennungsaufgabe mit überwachtem ML unter Verwendung konventioneller Lernverfahren
  • Klassifikationsgüte
  • Gegenüberstellung von Deep Learning u. konventionellen Klassifikationsansätzen

3. Verschiedene KI-Lösungen für ausgewählte Applikationen der industriellen Qualitätssicherung mit Lösungsweg und Optimierungsstrategien