Die Forschungsgruppe entwickelt industrietaugliche Oberflächeninspektionslösungen zur Quantifizierung der Oberflächenqualität von 3D-Formteilen. Die Lösungen des PCCL ermöglichen eine vollständige und reproduzierbare Detektion und Klassifikation von Oberflächenabweichungen unter Verwendung von Robot Vision und künstlicher Intelligenz (KI basiert auf neuralen Netzen und Deep Learning). Neue KI-Konzepte gewährleisten eine zuverlässige Unterscheidung von Oberflächenstrukturen (z.B. Dekormuster) von lokalen Oberflächendefekten und ausgedehnten fehlerhaften Strukturen. Die Ergebnisse kommen der menschlichen Wahrnehmung äußerst nahe. Die Algorithmen erlauben, in einer weiteren Anwendung, die Steuerung von Produktionsprozessen. Qualitätsabweichungen werden automatisch und frühzeitig erkannt, wodurch die Anzahl an Defektteilen erheblich reduziert werden kann.
Ein weiterer Forschungsschwerpunkt ist die vollständige Identifikation und Quantifizierung von jenen Material- und Oberflächeneigenschaften, die für das haptische Empfinden einer Produktoberfläche ausschlaggebend sind. Am PCCL wurden neue Prüftechniken für die Messung von Topografie, Reibung, Vibration und Material-Mikroverformbarkeit entwickelt. Ein Alleinstellungsmerkmal des PCCL ist die Analyse von Messdaten mit Hilfe von neuralen Netzen zur Identifikation genau dieser Material- und Oberflächenparameter. Identifiziert werden beispielsweise jene Einflussfaktoren, die zu einem Oberflächenempfinden führen, das als „ledrig“, „froschig“ oder „samtig“ bezeichnet wird. Auf Basis dieser Erkenntnisse werden Polymermaterialien mit angepassten Oberflächeneigenschaften produziert, um haptische Zielvorgaben zu erreichen.
Zum Inhalt des Forschungsschwerpunktes Robot Vision und künstliche Intelligenz:
- Oberflächeninspektion und Charakterisierung von ebenen und 3D-Freiformteilen
- Oberflächeninspektion von großen, endlos Produkten (Extrusionsprodukte, Kunststofffolien, Metallfolien, Bleche)
- Oberflächeninspektion von transparenten Teilen
- Oberflächeninspektion von Hochglanzoberflächen
- Integration von Messtechniken in in-line oder ex-situ Qualitätskontrollsysteme
- Künstliche Intelligenz unterstützte Kontrolle der Qualität und der Effizienz von Produktionsprozessen
- Methoden zur Detektion und Charakterisierung von haptischen Eigenschaften von Material- und Produktionsoberflächen.
- Methoden zur Detektion von Oberflächenstrukturen im Mikro- und Nanobereich
