Erzeugung von synthetischen Daten für Künstliche Intelligenz
Das Bundesministerium für Bildung und Forschung (BMBF) beabsichtigt mit der Richtlinie zur Förderung von Projekten zum Thema „Erzeugung von synthetischen Daten für Künstliche Intelligenz“ interdisziplinäre und anwendungsorientierte Forschungs- und Entwicklungsvorhaben zu fördern. Das Ziel der Förderrichtlinie ist es, neue Methoden zur Erzeugung synthetischer Daten für die Erstellung und Validierung von KI-Modellen zu entwickeln bzw. schon vorhandene Methoden zu verbessern oder auch gegebene personenbezogene Datenbestände zu anonymisieren. Durch die Maßnahme soll die Spitzenposition Deutschlands im Bereich KI gesichert und weiter ausgebaut werden. Die Förderung von Verbundprojekten soll hierbei den Transfer zwischen Wissenschaft und Wirtschaft zum Vorteil beider Parteien verstärken.
KI für Oberflächeninspektion
Künstliche Intelligenz (KI) wird in Bilderkennung, -verarbeitung und -verstehen sehr erfolgreich eingesetzt. Das Training eines KI-basierten Inspektionssystems für die industrielle Qualitätssicherung erfordert jedoch große Mengen für alle Fehlertypen repräsentativer Bilddaten, in denen die Fehler markiert sind. Fehler in Bildern manuell zu markieren und zu klassifizieren, ist aufwändig und fehleranfällig. Zudem treten viele Fehler, insbesondere sicherheitskritische, sehr selten auf. Realitätsgetreue synthetische Bilddaten helfen, diese Probleme zu umgehen. Im Vorhaben SynosIs werden Physik, Mathematik und Informatik verknüpft, um synthetische Bilder typischer Defekte auf metallischen Oberflächen in bisher unerreichter Realitätsnähe zu generieren. Diese garantiert korrekt und objektiv markierten Fehlerbilder stehen nach Projektende für Training und Validierung von KI für die optische Oberflächeninspektion zur Verfügung und vereinfachen und beschleunigen so deren Entwicklung.
Im Vorhaben wird ein kompletter Arbeitsablauf für das Generieren physikalisch realitätsgetreuer synthetischer Bilddaten entwickelt. Die Realitätsnähe wird erreicht, indem die Oberflächenfeinstruktur geometrisch modelliert und die optische Wirkung weiterer Skalen einbezogen wird. Zur Validierung werden Bauteile hergestellt und mit Defekten versehen, eine KI ausschließlich anhand synthetischer Bilder trainiert und ihr Inspektionserfolg überprüft. Schließlich wird ein repräsentatives Portfolio synthetischer Bilddaten generiert und zugänglich gemacht.
KI Methoden für Bilderkennung und -verstehen werden üblicherweise anhand weniger Standardbilddatenbanken erprobt. Für die Bewertung neuer Verfahren für die Inspektion technischer Oberflächen steht keine geeignete Sammlung annotierter Bilddaten zur Verfügung. SynosIs schließt diese Lücke. Deutschland ist einer der weltweit führenden Hersteller von Bildverarbeitungssystemen. Synthetische Bilddaten helfen, die Entwicklungszeit solcher Systeme zu verkürzen. Außerdem kann mit ihrer Hilfe bereits vorab eingeschätzt werden, wie gut ein Inspektionssystem die Prüfaufgabe löst. So geplante Inspektionssysteme können auch dort eingesetzt werden, wo sie bisher nicht wirtschaftlich sind oder hohe Sicherheitsanforderungen bestehen wie z. B. im Personentransport
Fraunhofer Institut für Techno- und Wirtschaftsmathematik
Fraunhofer-Platz 1
67663 Kaiserslautern
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr Informationen