Lenrfähige Inspektionssysteme

In der manuellen Sichtprüfung treffen Menschen komplizierte Entscheidungen darüber, welches Produkt in Ordnung und welches nicht in Ordnung ist. Sollen solche Aufgaben für eine automatische Sichtprüfung mit Bildverarbeitung maschinell durchgeführt werden, dann muss das Expertenwissen des Mitarbeiters in der Software der Maschine abgebildet werden. Welche Methoden und Wege es dazu gibt, wurde im Rahmen des europäischen Forschungsprojektes „DynaVis“ näher untersucht. Unter der Leitung von PROFACTOR erforschte ein Konsortium aus vier Forschungseinrichtungen (University of the West of England, Bristol, Universiteit Leuven, Johannes Kepler Universität Linz, PROFACTOR) und vier Firmenpartnern (Atlas Copco, Sony DADC, Asentics, Eurexcel) Methoden der künstlichen Intelligenz an der Schnittstelle zwischen Machine Vision und Machine Learning. Diese lernfähigen Prüfsysteme werden dadurch realisiert, dass eine begrenzte Zeit lang Mensch und Maschine gleichzeitig prüfen, und die Maschine vom Menschen lernt. Die Ziele der Forschungsarbeiten waren - das automatische Erlernen des Entscheidungsprozesses vom Bild eines Produkts bis zur finalen iO/niO Entscheidung, - eine frühzeitige Vorhersage des Lernerfolgs, - die Entwicklung einer Methode, die mit den systematisch unterschiedlichen Entscheidungen der Experten konstruktiv umgehen kann.