SynosIs - Synthetische, optisch realistische Bilddaten von Oberflächenstrukturen für KI-basierte Inspektionssysteme

Abstract

Im Rahmen des Projekts wurde ein synthetischer Bilddatensatz von defekten und defekt-freien Werkteilen zum Trainieren von KI-Modellen zur Defekterkennung erzeugt. Die Bilder zeigen verschieden bearbeitete Testobjekte aus unterschiedlichen Blickwinkeln. Dabei wurden die Bildgebung, das reale Inspektions-Setup (Kamera und Lichtquelle) und der Testkörper simuliert. Die Reflektion eines Lichtstrahls auf der Objektoberfläche hängt stark von deren Mikrostruktur ab. Dies beeinflusst die Sichtbarkeit von möglichen Defekten. Um diese Effekte zu untersuchen, wurden verschiedene Oberflächentopografien modelliert, die sich aus der Behandlung durch Sandstrahlen und Fräsen ergeben. Da die resultierenden Oberflächentexturen stark voneinander abweichen, war kein gemeinsames Modell möglich. Für sandgestrahlte Oberflächen wurde ein exemplar-basiertes und für gefräste Oberflächen ein durch den Fräsprozess motiviertes parametrisches Modell entwickelt. Grundlage beider Modelle sind Topografiemessungen realer Oberflächen, die durch das Fraunhofer IOF bereitgestellt wurden. Es wurden zwei verschiedene Defekttypen modelliert: Dellen und Kratzer. Nach Simulation der jeweiligen Geometrien werden diese an einer zuvor ausgewählten Position in die Testkörper einfügt. Zusammen mit der synthetischen Inspektionsumgebung bilden diese Modelle die Grundlage zur Simulation des synthetischen Bilddatensatzes. Ziel war dabei, dass die Bilder den realen Bilddaten ähneln, die durch die reale Inspektionsumgebung am Fraunhofer ITWM aufgenommen wurden.