Bildsimulation und Virtuelle Messplanung

© Fraunhofer IPA

Bildsimulation

Für die Digitalisierung und Automatisierung in der Produktion stellt die KI-basierte Bildverarbeitung eine Schlüsseltechnologie dar. Sowohl für die Qualitätssicherung als auch für die Bauteilhandhabung werden erforderliche Bilddatensätze oft unter hohem Zeitaufwand an realen Aufbauten aufgenommen. Bei vielen Inspektionsaufgaben mangelt es zudem an ausreichend Bildmaterial von Defekt- und Fehlstellen, sodass keine ausgewogenen Trainingsdatensätze zur Verfügung gestellt werden können.

Abhilfe kann durch die synthetische Erzeugung von Bild-und 3D-Datensätzen geschaffen werden. Hierbei wird anhand von 3D-Modellen eine virtuelle Szene aufgebaut und durch Simulation werden sensorrealistische Bilder erzeugt. Neuronale Netze können mit diesen synthetischen Daten trainiert werden und anschließend ebenfalls auf realen Sensordaten zuverlässig eingesetzt werden.

Messplanung

Optimale Messposen für die 3D-Erfassung von Werkstücken zu bestimmen ist eine anspruchsvolle und aufwendige Aufgabe, die häufig zu suboptimalen Ergebnissen führt. Durch modellbasierte Planung von 3D-Sensor-Messungen mittels Reinforcement Learning können anhand der CAD-Modelle verschiedenster Werkstücke optimale Messposen für die 3D-Vermessung identifiziert werden, ohne reale Messungen durchführen zu müssen.

Für das Training sind viele CAD-Werkstücke erforderlich, um für unterschiedlichste Bauteilgeometrien effiziente Messposen abzuleiten. Dabei werden neben unterschiedlichen 3D-Sensoren auch die optischen Eigenschaften der Bauteile berücksichtigt, um vollständige und qualitativ hochwertige Messdaten zu erzielen. Aus einer umfassenden Messplanung können optimierte Strategien bspw. hinsichtlich der Bauteilabdeckung abgeleitet werden.

 

Virtuelle Messplanung mittels Reinforcement Learning

Das Einrichten automatischer Sichtprüfsysteme erfolgt überwiegend über das manuelle Testen und Teachen von Messposen. Um geeignete Messposen für die Sichtprüfung individueller Werkstücke mit einem variablen Roboter-/Sensor-Setup virtuell zu bestimmen, wird nun ein neuer Ansatz auf Basis von Reinforcement Learning verwendet.

Download

Informationsblatt Synthetische Daten

Download

Postkarte Synthetische Daten

Video

Defektsimulation

Video

Objekthandling mit synthetischen Daten