QualitAI - Quality control of industrial products via deep learning on images
Auf einen Blick
- Projektleiter/in : Prof. Dr. Thilo Stadelmann
- Projektteam : Mohammadreza Amirian, Dr. Frank-Peter Schilling
- Projektvolumen : CHF 710'000
- Projektstatus : abgeschlossen
- Drittmittelgeber : KTI
- Projektpartner : BW-TEC AG
- Kontaktperson : Thilo Stadelmann
Beschreibung
Mit dem Projekt QualitAI wird eine vollautomatische Qualitätskontrollanlage realisiert. Die Anlage wird in der medizinaltechnischen Nische der Ballonkatheter auf den Markt gebracht.Die Anlage kann die heutigen Prozesse stark vereinfachen und beschleunigen. Durch eine Vollautomatisierung und das Ersetzen von heute nur durch Menschen machbaren Kontrollen kann die Qualitätsprüfung von medizinaltechnischen Ballonen um ein vielfaches effizienter gestaltet werden. Der mechanische Aufbau wird so gestaltet, dass ein Bediener die Ballone der Maschine nur noch zuführen und abnehmen muss.Das vollautomatische Vermessen und vor allem die neuartige, vollautomatische visuelle Kontrolle basieren auf neuronalen Netzen und stellen ein absolutes Novum in der Branche dar. Ermöglicht wird dies durch folgende F&E-Innovationen:
- Industrialisierung von Deep Learning: Effiziente Ausführung auf herkömmlicher Hardware durch die Nutzung von Standardarchitekturen und anschliessender Netzwerkkompression
- Robustheit ggü. variabler Datenqualität: Erzielung von höherer Robustheit ggü. Datenfehlern durch Transfer Learning und Datenvervollständigung
- Umgang mit niederiger Datenquantität: Stillen des Datenhungers tiefer neuronaler Netze durch neuartige Verfahren der Datenaugmentierung sowie durch Einsatz von unüberwachtem Lernen zur Datengenerierung
Publikationen
-
Amirian, Mohammadreza; Tuggener, Lukas; Chavarriaga, Ricardo; Satyawan, Yvan Putra; Schilling, Frank-Peter; Schwenker, Friedhelm; Stadelmann, Thilo,
2021.
Two to trust : AutoML for safe modelling and interpretable deep learning for robustness [Paper].
In:
Postproceedings of the 1st TAILOR Workshop on Trustworthy AI at ECAI 2020.
1st TAILOR Workshop on Trustworthy AI at ECAI 2020, Santiago de Compostela, Spain, 29-30 August 2020.
Springer.
Verfügbar unter: https://doi.org/10.21256/zhaw-22061
-
Stadelmann, Thilo; Schilling, Frank-Peter,
2019.
Deep Learning in medizinischer Diagnostik und Qualitätskontrolle.
Netzwoche.
Verfügbar unter: https://doi.org/10.21256/zhaw-20163
-
Amirian, Mohammadreza; Schwenker, Friedhelm; Stadelmann, Thilo,
2018.
Trace and detect adversarial attacks on CNNs using feature response maps [Paper].
In:
Artificial Neural Networks in Pattern Recognition.
8th IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR), Siena, Italy, 19-21 September 2018.
Springer.
S. 346-358.
Lecture Notes in Computer Science ; 11081.
Verfügbar unter: https://doi.org/10.1007/978-3-319-99978-4_27