ClassIcam: Entwicklung von Klassifikationsmodellen für intelligente Netzwerk-Kameras

Aufgabenstellung 
Der Oberflächeninspektion kommt in der industriellen Fertigung eine besondere Bedeutung zu, da die Qualität eines Produktes neben der Funktionalität auch an der optischen Repräsentanz erkennbar wird. Im Rahmen des Projekts sollen sowohl farblich und texturell unterschiedliche Polymeroberflächen inspiziert werden, ohne ein dafür notwendiges System explizit auf eine spezifische Oberfläche (farblich, Oberflächenbeschaffenheit) trainieren zu müssen.
Als optisches System wurde eine intelligente Kamera mit integriertem RISC-Prozessor und TCP/IP-Interface verwendet werden.
Lösungskonzept 
Das Konzept basiert auf Methoden der Texturanalyse homogener, schwach granularer Oberflächen. Dabei wurde ein neuer Algorithmus entwickelt, der das Verhalten des menschlichen Sehsystems imitiert. Es wird davon ausgegangen, dass der menschliche Beobachter bei der Betrachtung und entsprechender Perzeption von Oberflächen eine Konsistenzprüfung im Sinne der Oberflächenhomogenität durchführt und anhand dieses Ergebnisses eine Entscheidung im Hinblick auf die Objektqualität fällt.
Hierzu wurde ein Verfahren untersucht und entwickelt, welches eine Oberfläche in homogene und nichthomogene (Kanten, etc.) Bereiche mit Hilfe von gerichteten Summen- und Differenzbildern zerlegt.
Anschließend werden aus den genannten Bildern lokale Statistiken, die Wahrscheinlichkeitsdichte basierend sind, extrahiert. Aus diesen werden Merkmale abgeleitet, die als repräsentativ für die homogene Oberfläche angesehen werden (mediane Entscheidung der lokalen Merkmale). Diese Merkmale werden verwendet, um einen Modifizierten Fuzzy Pattern Classifier (MFPC) zu justieren. Er dient zur anschließenden Entscheidungsfindung (Klassifikation) im Sinne einer Qualitätsaussage bezüglich einer Oberfläche.