Verbund: 05M2020 - DAnoBi - Detektion von Anomalien in großen räumlichen Bilddaten

Abstract

Im Verbundprojekt DAnoBi wurden Methoden für die Detektion und semantische Segmentierung von Rissen als spezielle Form von Abweichungen/Auffälligkeiten in großen 3D Bilddaten entwickelt. Maschinelles Lernen, klassische Bildverarbeitungsalgorithmen, geometrische Modellierung räumlicher Rissstrukturen sowie statistische Methoden für die Detektion von Auffälligkeiten wurden weiter- bzw. neu entwickelt, systematisch quantitativ und fair verglichen und an besonders herausfordernden Datensätzen erprobt. Ergebnis sind sowohl praktisch direkt nutzbare Empfehlungen zu Wahl und Parametrisierung von Algorithmen als auch mathematisch begründete innovative Methoden, deren volles Potenzial noch zu erforschen ist. In diesem Teilprojekt haben wir eine flexible Klasse statistischer Verfahren entwickelt und mathematisch untersucht, die durch eine geeignete lokale Kontrastbildung Regionen mit potenziellen Rissen identifizieren und Regionen ohne Risse aussortieren. Die erzielten Ergebnisse sind aber so allgemein, dass sie auch für andere Situationen wie etwa Materialverdichtungen in textiler Bahnware oder lokale Faserfehlorientierungen in Bauteilen aus faserverstärktem Kunststoff adaptiert werden können. In der weiteren Verwertung des Gesamtprojekts sollen diese Verfahren als Vorverarbeitungsschritt dienen, um laufzeitintensivere Verfahren des Maschinellen Lernens zur vollständigen Risslokalisierung auf kleineren Datensätzen durchführen zu können. Weiterhin wurde die Flexibilität und praktische Verwendbarkeit an Hand einer Simulationsstudie sowie an Hand von Datenbeispielen illustriert.