Ziel des Forschungsvorhabens ist es, Methoden für die Detektion von Anomalien in großen Bilddaten zu entwickeln. Dabei kann es sich z.B. um Mikrorisse in Betonträgern, Materialverdichtungen in textiler Bahnware oder lokale Faserfehlorientierungen in Bauteilen aus faserverstärktem Kunststoff handeln. Dazu sollen Methoden des maschinellen Lernens, Modellierung der Strukturen und der Bildgebung sowie statistische Methoden für die Detektion von Auffälligkeiten kombiniert werden. In allen genannten Fällen variiert die Struktur stark. Es müssen daher Methoden und Maße entwickelt werden, um objektiv, robust und wiederholbar zu entscheiden, was eine Anomalie, d.h. eine signifikante Abweichung, ist.

Die zu detektierenden Anomalien treten sowohl im statistischen Sinne als auch räumlich selten auf. Deshalb mangelt es für rein auf machine learning (ML) beruhende Lösungen an Trainingsdaten, deren Annotation zudem sehr schwierig ist. Ein Ausweg ist Training anhand realitätsnaher simulierter Daten, da in diesem Fall ausreichend viele Daten generiert werden können und die Grundwahrheit unmittelbar zur Verfügung steht.

Ein alternativer Ansatz besteht darin, statistische Methoden zur Strukturbruch-Erkennung in Zeitreihen zur Detektion räumlicher Anomalien zu adaptieren. Aus der räumlichen Komponente der Bilddaten ergeben sich dabei neue Aufgaben, etwa das Erkennen komplex geformter Anomalieregionen, die im Projekt ebenfalls gelöst werden sollen.

Im Fokus der geplanten Forschungsarbeiten steht die Detektion von Rissen in Betonbauteilen, da diese Fragestellung von großer praktischer Relevanz, aber auch besonders schwierig im methodischen Sinne ist. Es wird erwartet, dass ML und statistische Methoden für die Lösung dieses konkreten Problems auf die oben genannten weiteren Anwendungsfälle übertragbar sind. Modelle für Beton- und Rissstrukturen hingegen sind problemspezifisch, stellen jedoch bereits in dieser thematischen Einschränkung eine große Herausforderung dar.

Teilprojekte

• 05M20UKB | Teilprojekt 1 | Technische Universität Kaiserslautern
• 05M20VUA | Teilprojekt 2 | Universität Ulm
• 05M20NMA | Teilprojekt 3 | Otto-von-Guericke-Universität Magdeburg
• 05M20AMB | Teilprojekt 4 | Fraunhofer ITWM Kaiserslautern