Aktuelle Arbeiten der Forschungsgruppe Künstliche Intelligenz

Die Forschungsgruppe KI nutzt SAM2 zur Segmentierung von EOT-3D-Daten und verwendet Autoencoder zur Anomalie-Erkennung in DED-Schweißprozessen – für datengetriebene Prozessoptimierung und Echtzeit-Qualitätskontrolle in der hybriden Fertigung.

Fortschrittliche Bildverarbeitung für die Fertigung
Die Forschungsgruppe Künstliche Intelligenz arbeitet an innovativen Methoden zur Analyse von 3D-Daten aus industriellen Prozessen: Mit Hilfe des Segment Anything Model 2 (SAM2) werden komplexe 3D-Geometrien aus EOT-Datensätzen (Exposure Optical Tomography) extrahiert. Diese Technik ermöglicht es, Schichtbilder aus additiven Fertigungsverfahren effizient zu segmentieren und wichtige strukturelle Merkmale automatisiert zu erkennen – ein entscheidender Schritt zur datengetriebenen Prozessoptimierung in der hybriden Fertigung.

KI-gestützte Anomalie-Erkennung in Schweißprozessen
Ein weiterer Forschungsschwerpunkt liegt auf der Detektion von Anomalien in DED-Schweißprozessen. Hierfür werden Autoencoder-Modelle genutzt, die anhand idealer Prozessbilder trainiert werden. Abweichungen von der Norm, etwa Poren oder Spritzer, können so als Fehlerbilder detektiert werden. Diese KI-basierten Verfahren eröffnen neue Möglichkeiten für die Qualitätskontrolle und die Echtzeitüberwachung in hybriden Fertigungssystemen.
 

Kontakt

Dr. rer. nat. Karsten Scheibe
Hybride Fertigung
T +49 (0) 355 69-4462
karsten.scheibe(at)b-tu.de

Johann Albers
Hybride Fertigung
T +49 (0) 355 69-3072
johann.albers(at)b-tu.de
genutzte SAM2-Architektur Extraktion von 3D-Geometrien
Eingangsbild des additiven DED-Prozesses (links) und Rekonstruktionsbild des Eingangsbildes zur Defekterkennung (rechts)
Differenzbild für den Rückschluss möglicher Anomalien inkl. möglicher Positionierung - Bild nach Li et. Al. 2025 - doi: 10.1016/j.jmapro.2025.03.113