Im Kontext der Digitalisierung und Wandlung der Produktion in Richtung I4.0 nimmt die Bedeutung der industriellen Objekterkennung kontinuierlich zu. Eine große Herausforderung ist in diesem Kontext, die performante Bestimmung konkreter, komplexer Bauteile aus einem Datenbestand, der mehrere zehn- oder gar hunderttausend Teile umfasst, die gegebenenfalls in repräsentativen Teilekategorien vorliegen oder eine große Ähnlichkeit besitzen.

Bisher genutzte, 2D-bildbasierte sowie supervised oder auf neuronalen Netzwerken basierende Verfahren sind hier im industriellen Umfeld nur begrenzt leistungsfähig.

In 3D-basierten Wiedererkennungsverfahren wird eine leistungsfähige Alternative und Ergänzung zu den genannten Verfahren vermutet.

Ziel des Vorhabens war es, ein System zur Wiedererkennung von Bau- und Ersatzteilen zu entwickeln, das Verfahren basierend auf hierarchischen, mehrdimensionalen Feature-Vektoren (xD) dynamisch und bedarfsgerecht koppelt.

Dazu sollte ein modulares Ensemble-Learning-Verfahren entwickelt werden, das mit einer Kombination aus mehrstufigen Clustering- und anderer Verfahren ein beliebiges Teilespektrum vorfiltert und eine möglichst präzise Wiedererkennung von Objekten sicherstellt.

• Prof. Dr.-Ing. Frank Neumann (Projektleitung)

• M.Sc. Marian Bookhahn (Projektmitarbeiter_in)

Bundesministerium für Wirtschaft und Energie BMWi

• PI Informatik GmbH, Berlin

Zentrales Innovationsprogramm Mittelstand ZIM