Best Paper Award für KI-Forschung am Fraunhofer IGCV

31. Juli 2020

Mitarbeitende der Abteilung Online-Prozess-Monitoring am Fraunhofer IGCV haben auf der Konferenz Deep Learning Theory and Applications (DeLTA 2020) für ihre Forschung den Best Paper Award erhalten. Die Arbeit zeigt, wie sich synthetische Daten geschickt nutzen lassen, um mit wenigen Beispieldaten neuronale Netze zu trainieren.

Die Konferenz Deep Learning Theory and Applications (DeLTA 2020), eine Schwesterkonferenz der ICINCO, fand dieses Jahr zum ersten Mal vom 8. bis 10. Juli 2020 statt. Aufgrund der Covid-19-Pandemie wurde diese – anstatt in Lieusant, Paris – vollständig virtuell abgehalten. Andreas Margraf (Abteilung Online-Prozess-Monitoring am Fraunhofer IGCV) und Silvan Mertes (ehemaliger Student am Fraunhofer IGCV, heute wissenschaftlicher Mitarbeiter am Lehrstuhl für Human-Centered Multimedia der Universität Augsburg bei Prof. Dr. Elisabeth André) konnten mit ihrer Veröffentlichung »Data Augmentation for Semantic Segmentation in the context of Carbon Fiber Defect Detection using Adversarial Learning« die Jury überzeugen. Die Publikation wurde in Partnerschaft zwischen dem Fraunhofer IGCV und dem Lehrstuhl Human-Centered Multimedia von Prof. Elisabeth André auf den Weg gebracht.

Das vorgestellte Verfahren eröffnet neue Möglichkeiten für die Entwicklung und Konfiguration von Bildverarbeitungs-Systemen für kontinuierliche Prozesse. Bisherige KI-Lösungen benötigen große Mengen von Trainingsdaten, die nur unter großem Aufwand erzeugt werden können. Der Ansatz von Mertes, Margraf, Kommer, Geinitz und André erlaubt durch die Erzeugung künstlicher Daten, neuronale Netze für Semantic Segmentation schneller, einfacher und mit geringerem Aufwand zu erstellen und in die Produktion zu bringen. Dies senkt die Kosten für die Bereitstellung von Systemen zur Qualitätskontrolle erheblich.

Durch die Forschungsarbeit stellt sich das Fraunhofer IGCV mit seiner Abteilung Online-Prozess-Monitoring und der Lehrstuhl für Human-Centered Multimedia der Universität Augsburg an die Spitze der internationalen Forschung im Bereich des maschinellen Lernens für die Industrie. Der Ansatz ist unabhängig vom Produkt auf verschiedene Aufgaben in der Qualitätskontrolle übertragbar. In Zukunft werden die Forscher ihre Anwendung weiter optimieren, um die Automatisierung durch KI-Systeme zu erhöhen und die Effizienz für die industrielle Produktion zu steigern.