A PLM-Integrated Automated Synthetic Image Generation Pipeline for Object Detection

Dieses Kapitel untersucht die Integration einer Pipeline zur Erzeugung synthetischer Bilder in ein Product Lifecycle Management (PLM) -System, um die Objekterkennung in industriellen Umgebungen zu verbessern. Die Pipeline automatisiert die Erstellung synthetischer Daten für das Training maschineller Lernmodelle und reduziert den manuellen Aufwand für die Datenerfassung und -beschriftung. Der Text diskutiert die Vorteile der Generierung synthetischer Daten während des Produktentwicklungsprozesses, darunter die frühe Validierung von Erkennungssystemen an Prototypen und das Potenzial, die Time to Market zu verkürzen. Das Validierungsverfahren umfasst die Erstellung eines synthetischen Datensatzes zum Nachweis von Komponenten in einem Planetengetriebe und den Vergleich der Leistung zweier vorausgebildeter YOLO-Modelle. Die Ergebnisse zeigen, dass die Modelle bei größeren, sichtbareren Bauteilen gut abschneiden, aber mit kleineren, weniger sichtbaren und optisch ähnlichen Bauteilen zu kämpfen haben. Der Text schließt mit Vorschlägen zur Anpassung der Datenerzeugungspipeline, um diesen Herausforderungen zu begegnen, und betont die Notwendigkeit einer Ähnlichkeitsanalyse von Komponenten. Das Kapitel bietet auch Einblicke in den aktuellen Einsatz von Objekterkennungsmodellen im Maschinenbau und die möglichen Hürden und zukünftigen Aufgaben bei der Integration synthetisch ausgebildeter Objekterkennungsmodelle in manuelle Montageaufgaben.