Automatische Detektierung und Klassifizierung äußerer Schädigungen von Drahtseilen zur Erhöhung der Betriebssicherheit
Zusammenfassung der Projektergebnisse
Zusammenfassend kann gesagt werden, dass im Antrags Zeitraum die wesentlichen und wichtigsten Grundlagen für eine automatische, maschinelle Defekterkennung in Drahtseilen gelegt wurden. Durch die in den Arbeitspaketen eins, zwei und drei erzielten, vielversprechenden Ergebnisse im Bereich der Anomaliedetektion können bereits heute bei einer Falschalarmrate von nur 5-10% bis zu 95% der defektbehafteten Seilfläche erkannt werden. Dies erspart dem menschlichen Experten einen enormen Zeit- und Konzentrationsaufwand bei der Inspektion. In den durchgeführten Experimenten wurden sogar bereits Fehler vom System erkannt, die zuvor vom menschlichen Experten übersehen wurden. Durch die Fusion von visuellen und magnetinduktiven Daten konnten die erarbeiteten Verfahren zusätzlich hinsichtlich ihrer Performanz und Robustheit verbessert werden. Da in Zukunft am IFT magnetinduktive Messdaten zur Verfügung stehen werden, die mit hochauflösenden Hall-Sensoren akquiriert wurden, kann im Fusionsansatz künftig auch Information über den Ort der im Ml-Signal detektierten Defekte verwendet werden. Damit ist nicht nur vorhersagbar, ob der Defekt sich überhaupt an der sichtbaren Seiloberfläche befindet, sondern es kann gezielt im Rahmen neuartiger Fusionsalgorithmen für die jeweiligen Kameraansichten die Defektsensitivität erhöht werden. Die modellbasierte Analyse ermöglicht darüber hinaus schon heute die kontinuierliche Überwachung wichtiger Seilgrößen wie vor allem die Litzenschlaglänge oder das Seildurchmesser, die wichtige Hinweise auf Anomalien im strukturellen Aufbau des Seiles liefern und bis heute dem menschlichen Inspektor nicht ohne Weiteres bei der Analyse ersichtlich sind. Mit Hilfe eines in einer Art Kalibrierschritt geschätzten Texturmodells, dass sich basierend auf der modellbasierten Analyse und den zugrunde liegenden Seildaten anlernen lässt, soll in der Zukunft auch die Erkennung von textureilen Abweichungen in der Seiloberfläche verbessert werden. Zusätzlich soll die modellbasierte Analyse auf eine kombinierte Analyse aller vorhandenen Seilansichten ausgeweitet werden, um zusätzliche Robustheit und Performanz bei der Schätzung der Seilgrößen zu erhalten. Gelingt dieses Vorhaben, dass gleichzeitig zu einer Art Kalibrierung des verwendeten Kamerasystems führen würde, können im Überlegungen für eine gezielten 3-D-Rekonstruktion potentiell defektbehafteter Seilabschnitte angestellt werden, um dem Experten Defekte in ihrer kompletten räumlichen Ausdehnung zu visualisieren. Ein letzter Fokus wird in zukünftigen Arbeiten auf der Klassifikation der Defekte, also ihrer automatischen Unterscheidung in Defektklassen liegen. Ein vielversprechender Ansatz ist es, eine Defektrepräsentation für die unterschiedlichen Defektklassen anhand einer Sammlung von Bildmaterial aus Foto- und Defektdatenbanken weltweit zu erlernen, die im Anschluss so abstrahiert werden kann, dass sie eine Defekterkennung auf den vorhandenen Bilddaten des Aufnahmesystems ermöglicht.
Projektbezogene Publikationen (Auswahl)
-
(2008). Challenging Anomaly Detection in Wire Ropes Using Linear Prediction Combined with One-class Classification. In Deussen, O., Keim, D., and Saupe, D., editors, Proceedings ofthe 13th International Fall Workshop Vision, Modeling and Visualization, pages 343-352. IDS Press
Platzer, E.-S., Denzler, J., e, H. S., Nägele, J„ and Wehking, K.-H
-
(2009), Robustness of Different Features for One-class Classification and Anomaly Detection in Wire Ropes. In Proceedings ofthe 4th International Conference on Computer Vision Theory and Applications (VISAPP), volume 1, pages 171-178
Platzer, E.-S., Denzler, J., Süße, H., Nägele, J., and Wehking, K.-H
-
(2009). HMM-Based Defect Localization in Wire Ropes - A New Approach to Unusual Subsequence Recognition. In Proceedings of the 31st Annual Symposium of the German Association for Pattern Recognition, pages 442-451
Platzer, E.-S., Nägele, J., Wehking, K.-H., and Denzler, J.
-
(2009). Model-based Surface Defect Detection and Condition Monitoring in Wire Ropes, In Klausurtagung Lehrstuhl Joachim Denzler. Schloss Dagstuhl - Leibniz-Zentrum fuer Informatik, Germany
Platzer, E.-S. and Denzler, J.
-
(2010). On the Suitability of Different Features for Anomaly Delection in Wire Ropes. In et, al, A. R,, editor, VISIG- RAPP 2009, volume 68 of Communications in Computer and Information Science (CCIS), pages 296- 308. Springer
Platzer, E,-S., Süße, H., Nägele, J., Wehking, K.-H„ and Denzler, J.
