Optische Qualitätskontrolle von beschichteten Holzzuschnitten

Febrü ist ein mittelständisches Unternehmen mit Sitz in Herford, das sich auf die Produktion von Büromöbeln spezialisiert hat. Das Unternehmen beschäftigt rund 250 Mitarbeiter:innen und erzielen einen Jahresumsatz von etwa 45 Millionen Euro. Febrü produziert ausschließlich in Deutschland und setzt auf eine nachhaltige Produktion mit hohem Qualitätsanspruch und individuellen Lösungen für die moderne Arbeitswelt. Nach dem Zuschneiden der Holzdekore findet derzeit eine manuelle Qualitätsprüfung durch einen Mitarbeiter statt. Dieser prüft die Maße (Länge, Höhe und Breite) auf Übereinstimmung mit den Vorgaben und die Oberfläche auf Beschädigung. Die Oberflächen haben hierbei eine hohe Variantenvielfalt und unterscheiden sich neben dem aufgedruckten Muster (Holzarten, Betonoptik usw.) auch durch unterschiedliche Reliefs. Die Aufgabe soll in Zukunft kamerabasiert durch Verfahren aus dem Bereich des Maschinellem Lernen unterstützt werden.

Die Student:in soll in dem Projekt erstens das Setup einrichten, dass zur Aufnahme der Daten und zur Durchführung der optischen Qualitätsprüfung notwendig ist. Hierzu gehört die Auswahl der Kamera, das Anbringen in der Produktion, das Einrichten der Aufnahme und die Abstimmung mit den Mitarbeitern der Qualitätsprüfung, so dass diese die Ergebnisse ihrer Prüfung digital und systematisch erfassen. Zweitens sollen Verfahren aus dem Bereich der Bildanalyse und des Maschinellem Lernens ausgewählt und implementiert werden die eine optische Erkennung der Maße und der Beschädigungen ermöglichen.

Die verwendeten Methoden des Maschinellen Lernens, Convolutional Neural Networks sind Bestandteil der Veranstaltung im Forschungsmaster und Kernbereiche der Data Science.

Verfügbare Ressourcen

-          Fachexperten aus der Produktion und dem Qualitätsmanagement werden von Febrü bereitgestellt

-          Benötigte Hard- uns Software zur Datenerfassung und -verarbeitung in der Produktion wird von Febrü beschafft

-          Das Labeln der Daten wird durch den Febrü QM-Experten durchgeführt

-          Hardware für Maschine Learning ist über das Data Science Lab, das CfADS, sowie dem KI-Rechencluster yourAI der HSBI verfügbar

Erstes Semester: Erstellung eines Forschungsexposés als Prüfungsleistung. Einarbeitung in die Aufgabenstellung im Unternehmen, Recherche zu verfügbarer Kamerahardware und Software, Beschaffung der Hard- und Software, Einrichten des Setups in der Produktion, Erfassen der Bilder und starten des Labelns

Zweites Semester: Literaturreche zur zu Verfahren der optischen Bilderkennung und der Convolutional Neural Networks (CNN) in dem Kontext. Implementierung von Verfahren zur optischen Bestimmung der Abmessungen. Erstellung eines Papers, das einen Überblick über das Forschungsgebiet gibt, ist Prüfungsleistung.

Drittes Semester: Implementierung und Training von CNN mit den erfassten Daten. Auswerten der Ergebnisse. Veröffentlichung eines Papers mit den ersten Ergebnissen ist Prüfungsleistung.

Viertes Semester: Masterarbeit und Kolloquium. Verbesserung der Ergebnisse und Integration des Algorithmus in die Produktionsumgebung.

Zwingend:

-          Programmierkenntnisse (vzw. Python)

-          Kenntnisse in Echtzeitprogrammierung und Sensordatenverarbeitung (Automatisierung/ Mechatronik)

Optional:

-          Erfahrung mit Algorithmen zur Bildverarbeitung

-          Erfahrung mit Maschinellem Lernen

-          Erfahrung in Produktion und Qualitätsmanagement

-          Bildverarbeitung

-          Optische Qualitätskontrolle

-          Convolutional Neural Networks

-          Echtzeitdatenverarbeitung

-          Publikation von wissenschaftlichen Veröffentlichungen auf internationalen Konferenzen

-          Kompetenzen in der Arbeit im Team