AUZUKA - Ein BMBF-Projekt mit sehr interessantem Messeauftritt

Das Verbundvorhaben AUZUKA - Automatische Zustandsanalyse Kanalnetz durch virtuelle Begehung - entwickelt die automatische Bildauswertung als Assistenzsystem zu bisheriger Kamera-Inspektionstechnik sowie einen neuartigen Kamera-Sensorkopf inkl. Bildmustererkennungssystem. Die Forschung und Entwicklung wird von 9 industriellen und wissenschaftlichen Partnern durchgeführt.

Durchaus als ein Highlight wurde auf der IFAT die Bedien- und Auswertesoftware von zahlreichen Fachbesuchern reflektiert. Hier erfolgt die Bereitstellung einer Softwareplattform als sogenannte Serviceorientierte Softwarearchitektur (SOA).

Zur effektiven Verwaltung der Rohdaten, deren Visualisierung und das Markieren und Klassifizieren von Schadstellen werden Datenservices definiert. Weiterhin werden Dienste und Prozesse implementiert, die die gewünschte Zielfunktionalität unterstützen.

Neben der klassischen manuellen virtuellen Befahrung wird innerhalb der Datensätze dem Annotationspersonal ermöglicht, automatisch klassifizierte Schäden zu inspizieren und diese zu validieren/verifizieren oder zu verwerfen. Dies ermöglicht nach einer manuellen oder verifizierten automatischen Schadensklassifikation die so gewonnenen Daten zu nutzen, um die Klassifikationsmodelle zu verbessern/zu trainieren.

Desweiteren bietet die SOA eine Trainings- und Ausbildungseinheit zur Schadenserkennung/-schulung an. Hierzu erfolgt die Zusammenarbeit in Kooperation mit der DWA.

Doch damit nicht genug; durch das derzeit in Entwicklung befindliche Schadenserkennungssystem wird vor allem auch die (teil-) automatische Bildauswertung orientiert. Zur Schadenserkennung wird gewonnenes Bildmaterial genutzt. Zum einen aus bestehender fish eye-Technologie, zum anderen aus dem neuartigen Kamera-Sensorkopf.

Die automatische Erkennung von Schäden und Einbauelementen in Kanalhaltungen sowie die Schadensklassifikation erfolgt über semantische Markierungen und Anwendung von Neuronalen Netzen. Zusätzlich erfolgt die Bilderkennung in Kombination des maschinellen Lernens mit klassischen Ansätzen.

Weitere News und Artikel