Die Forschungsgruppe entwickelt Oberflächeninspektionslösungen speziell für gemusterte/texturierte Produktoberflächen. Das Herzstück: Die am PCCL entwickelten KI bzw. Deep Learning Methoden ermöglichen ein radikal verkürztes Anlernen des Inspektionssystems anhand von nur 5 bis 10 benötigten Gutteilen. Dabei können Defekte auf Oberflächen zuverlässig erkannt werden. Ein händisches Sammeln von Defektbeispielen inklusive der damit verbundenen zeitaufwendigen Defektmarkierung entfällt dabei gänzlich. Die damit automatisch gefundene Defekte, können in einem nachgeschalteten Trainingsschritt dazu verwendet werden, diese in verschiedene Defektklassen einzuteilen.

Die angewandte Forschung der Arbeitsgruppe umfasst:

• Oberflächeninspektion von texturierten/gemusterten Oberflächen, wie etwa Kunststoffspritzgussteile für Autos, Consumer Elektronik oder Küchengeräte aber auch Textilien.
  
  
• Inspektion von Mehrfachschichtsystemen wie etwa bedruckte Folien mit Decklackschichten.
  
  
• Segmentierung und Klassifizierung von Oberflächenanomalien zur Unterscheidung von erlaubten (I.O.) und nicht erlaubten (N.I.O.) Defekten basierend auf produktspezifischen Grenzwerten (Lastenhefte) wie etwa maximal erlaubte Größe/Länge vordefinierter Defekttypen.
  
  
• Leichte Adaptierbarkeit der Grenzwerte zwischen I.O. und N.I.O. Bauteilen bei Veränderung der Qualitätsanforderungen.
  
  
• Objektive und reproduzierbare Messung der Oberflächenqualität ermöglichen eine zuverlässige Kooperation zwischen Herstellern und OEM-Auftraggebern.