Echtzeit-Bildverarbeitung, Industrielle Signalverarbeitung

MMW: Multi-sensorische Mustererkennung an Wertdruckmaschinen

01.06.2007 bis 31.08.2010

Nach dem heutigen Stand der Technik sind bereits verschiedene optische Systeme zur Kontrolle von Banknoten und Sicherheitsdrucken etabliert. Diese können beispielsweise den optischen Eindruck, wie zu viel oder zu wenig Farbe, oder eine nicht korrekte Farbdichte erfassen.
Zusätzlich sind in der Regel weitere Daten wie Temperaturen, Rakelanstellung, Kanalschlag usw. bekannt, so dass mit Hilfe verschiedener Parameter eine Maschine entsprechend genau modelliert werden kann. Die vorhandenen Systeme detektieren zwar wesentliche Druckfehler, jedoch bereitet die Früherkennung so genannter aufbauender Fehler größte Probleme. Fachleute erkennen bereits u. a. am akustischen Verhalten von Maschinen, welche spezifische Fehlerart sich aufbaut. Der Fehleraufbau erfolgt nicht schlagartig, sondern in der Regel schleichend. Dieses hat zur Folge, dass fehlerhafte Banknoten erst nach einer gewissen Zeitdauer wahrgenommen werden, die stark von der Erfahrung, Aufmerksamkeit und Tagesform des Druckereipersonals abhängig ist. Hieraus folgt, dass die ganzheitliche Fehlerdetektion, nach dem heutigen technischen Stand, als noch nicht objektivierbar eingestuft werden muss. Darüber hinaus stellt für ein Unternehmen die Fluktuation (Umbesetzungen, Weggang, Ruhestand, etc.) bei dem Druckereipersonal einen erheblichen Wissensverlust dar, der nachhaltig nur durch die Speicherung von Informationen gesichert werden kann.
Aus diesen Gründen erweist sich ein ganzheitlicher Ansatz zur Fehlerdetektion mit Hilfe von multi-sensorischer Mustererkennung als notwendig.
Im Rahmen des geplanten Projektes soll ein System zur ganzheitlichen Fehlerdetektion an Wertdruckmaschinen, insbesondere an Stahlstichmaschinen, entwickelt werden, um Fehldrucke früher als bisher weitestgehend zu vermeiden und einen personalreduzierten Betrieb zu ermöglichen. Darüber hinaus sollen allgemeingültige Vorgehensweisen zur Kopplung von Mensch-Maschine-Interaktionen unter besonderer Berücksichtigung von Konzepten der Evidenztheorie und Fuzzy Klassifikation untersucht werden, um Aussagen über die Qualität von kombinierter Human- und Sensordateninformation zu erhalten. 
Ausgewählte Arbeitsschritte des Projektes sollen als Beispiel für die Herangehensweise an eine praxisnahe Verfahrensentwicklung für die Lehre aufgegriffen und im Rahmen von Bachelor-  und Masterarbeiten sowie in einer kooperativen Promotion bearbeitet werden.
Mit der Operationalisierung des Analysesystems ist darüber hinaus die Möglichkeit der Produktentwicklung eines automatischen multi-sensorischen Inspektionssystems auf Basis der Konzepte der Informationsfusion sowie die Anmeldung einer adäquaten Anzahl von Patenten vorgesehen.

 

Das Projekt wird gefördert durch:
Bundesministerium für Bildung und Forschung (BMBF)
Förderkennzeichen: 17N1407
Förderlinien: IngenieurNachwuchs 2007 -Maschinenbau-
Projektbeteiligte / Ansprechpartner: Prof. Dr.-Ing. Volker Lohweg, Karl Voth, M. Sc.
Projektmitarbeitende: Karl Voth, M. Sc.
Dipl.-Ing. Walter Dyck¹, Thomas Türke, Johannes Schaede, Prof. Dr.-Ing. Volker Lohweg²
A Fuzzy-Pattern-Classifier-Based Adaptive Learning Model for Sensor Fusion
¹ Erstautoren
² Letztautoren
Prof. Dr.-Ing. Volker Lohweg¹, Rui Li, Thomas Türke, Harald Willeke, Johannes Schaede
FPGA-based Multi-sensor Real Time Machine Vision for Banknote Printing
In: 21st annual Symposium on IST/SPIE Electronic Imaging, Jan 2009
¹ Erstautoren
² Letztautoren
Forschungsprojekt
Realisierung nichtlinearer Bit-Slice Filter unter Berücksichtigung von Implementierungsaspekten
Tobias Christophliemke
Forschungsprojekt
Untersuchungen an Kernelfunktionen für Support-Vector-Maschinen
Dipl.-Ing. Jan-Friedrich Ehlenbröker
Masterarbeit
SVM basierende Fuzzy-Pattern Klassifikation unter besonderer Berücksichtigung problemangepasster Justage
Dr. rer. nat. Alexander Maier
Forschungsprojekt
FPGA-basierendes System-on-Chip zur Klassifikation von Informationen
Alexander Dicks, M. Sc.
Masterarbeit
Belief Theory Based Classification
Rui Li
Forschungsprojekt
Mathematische Modellierung eines adaptiven Fuzzy-Klassifikators unter Berücksichtigung vergleichender Untersuchungen zu dessen Leistungsfähigkeit
Denis Petker
Masterarbeit
Investigations on Possibilistic Multi-source Data Fusion with Sensor Reliability Monitoring
Stefan Glock, M. Sc.
Gefördert durch