zurück
Vorteile
Mitglieder
Förderer & Partner
Produkte
Verfahren
Überwachung
Produktzertifizierung
Schadensanalyse
Tagungen
Kurse
Abschlüsse
Online lernen
Inhouse-Schulungen
Material
Prozess
Messtechnik
Kreislaufwirtschaft
Digitalisierung
Qualitätspolitik
Zertifizierungsablauf
Aktuelles
Downloads
Unsere Mission
Standorte
Karriere
Presse
Podcast
zurück
Additive Fertigung
Schweißen
Spritzgießen
Colorist

Künstliche Intelligenz erhöht die Benutzerfreundlichkeit der zerstörungsfreien Shearografie

KI bei Shearografie klassifiziert Defekte

Das SKZ und das Institut für Leichtbau und Kunststofftechnik der TU Dresden arbeiten gemeinsam an einem Projekt im Bereich der Shearografie. Das Ziel ist dabei mit Methoden der Künstlichen Intelligenz die Benutzerfreundlichkeit zu erhöhen.

Die Shearografie ist ein berührungs- und zerstörungsfreies Prüfverfahren (ZfP), das mittels Laserlicht kleinste Oberflächenverformungen messtechnisch erfassen kann. Diese Oberflächenverformungen werden durch extern aufgebrachte mechanische oder thermische Belastungen erzeugt und sind abhängig von der inneren Struktur des Bauteils bzw. vorhandenen Fehlstellen. Im Ergebnis lassen sich interne Defekte wie z. B. Poren und Risse erkennen oder die Haftungsqualität von Klebverbindungen zerstörungsfrei beschreiben.

Die Durchführung der Messungen und die Interpretation der Ergebnisse erfordern aktuell jedoch spezielles Fachwissen. Dies schränkt die Akzeptanz des Verfahrens bei Nutzern außerhalb des akademischen Umfeldes oftmals ein.

Daher arbeiten das Kunststoff-Zentrum SKZ und das Institut für Leichtbau und Kunststofftechnik (ILK) der TU Dresden gemeinsam an der Erhöhung der Benutzerfreundlichkeit durch eine Automatisierung der Messeinstellung, -durchführung und Ergebnisinterpretation mit Methoden der Künstlichen Intelligenz (KI). Somit soll vor allem kleinen und mittleren Unternehmen der direkte Zugang zur Shearografie erleichtert werden.

Die im Rahmen des Projektes genutzten Methoden des DeepLearnings als eine Form des Maschinellen Lernens bieten die Möglichkeit, charakteristische Merkmalsmuster von Defekten weitgehend benutzerunabhängig zu extrahieren und zu klassifizieren. Moderne Algorithmen erreichen bisweilen die Genauigkeit des menschlichen Sehvermögens und finden immer häufiger Anwendung in alltäglichen Problemstellungen (Autonomes Fahren, Spracherkennung, etc.). Ein weiterer Vorteil des Maschinellen Lernens ist außerdem die mit steigender Anzahl durchgeführter Messungen stetig verbesserte Genauigkeit und Reproduzierbarkeit der Defekterkennung.

Mithilfe kommerziell verfügbarer Software wurden bei den Projektpartnern in den letzten Jahren Methoden der Datenaufbereitung, das Training des DeepLearning-Netzwerks und eine automatisierte Erkennung von internen Defekten in Faserverbundkunststoffen (FVK) entwickelt und umgesetzt. Die Detektion von Defekten unterschiedlicher Größe, Form und Lage in FKV-Platten ist nunmehr innerhalb von wenigen Sekunden möglich.

Das Vorhaben (Nr. 19345 BG) wurde über die Arbeitsgemeinschaft industrieller Forschungsvereinigungen (AiF) im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie (BMWi) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.

Titelbild: Methoden der Künstlichen Intelligenz (KI) bieten bei der Shearografie die Möglichkeit, charakteristische Merkmalsmuster von Defekten weitgehend benutzerunabhängig zu extrahieren und zu klassifizieren. (Abbildung: SKZ)

Zurück zur Übersicht

Ansprechpartner:

Pierrre Pfeffer
Zerstörungsfreie Prüfung
+49 931 4104-469
p.pfeffer@skz.de
aktuell

SKZ aktuell

SKZ aktuell Ausgabe 1/2021

Diesmal u. a. mit diesen Themen:

  • Hautpflege für Windkraftanlagen
  • plastic360 – Die App für den Schulunterricht
mehr erfahren
SKZ aktuell Ausgabe 4/2020

Diesmal u. a. mit diesen Themen:

  • Gründung ISPA – Institute for Surface 
    and Product Analysis
  • Erste betriebseigene Kindertagesstätte
    am SKZ
mehr erfahren
SKZ aktuell Archiv

Weitere Ausgaben der SKZ aktuell
finden Sie in unserem Archiv.

 

Zum Archiv

Whitepaper bestellen

Bitte tragen Sie Ihre Email-Adresse ein und Sie erhalten nützliche Tipps und Tricks von den SKZ-Kunststoffprofis zum Thema "SKZ aktuell Ausgabe 1/2021".
*Pflichtangabe

Whitepaper bestellen

Bitte tragen Sie Ihre Email-Adresse ein und Sie erhalten nützliche Tipps und Tricks von den SKZ-Kunststoffprofis zum Thema "SKZ aktuell Ausgabe 4/2020".
*Pflichtangabe

Whitepaper bestellen

Bitte tragen Sie Ihre Email-Adresse ein und Sie erhalten nützliche Tipps und Tricks von den SKZ-Kunststoffprofis zum Thema "SKZ aktuell Archiv".
*Pflichtangabe

Ihr Browser ist veraltet

Für das beste Nutzererlebnis auf unserer Webseite empfehlen wir die Verwendung eines aktuellen Webbrowsers. Bitte aktualisieren Sie Ihren Browser, um alle Funktionen störungsfrei verwenden zu können.