2023

Titel des Verbundvorhabens:

Entwicklung eines Messsystems zur Bestimmung des Volumens von Schwachholz als multifunktionale Erweiterung für Harvester - , Fäll- und Fällsammleraggregate - OBioM.

Das Primärziel des Verbundvorhabens ist die Entwicklung eines optischen Kamera- und digitalen Datenerfassungssystems zur verfahrensimmanenten Erhebung und Speicherung des Volumens von geerntetem Schwachholz. Diese Erntemaßnahmen erfolgen zumeist in Jungwaldpflegemaßnahmen mit kranbestückten Forstspezialmaschinen. Zum Einsatz kommen sogenannte Fäll- oder Fällsammlerköpfe, mit denen man die Bäume abschneiden und ablegen kann. Im Gegensatz zum Harvesteraggregat können die Bäume weder entastet, noch vermessen, noch zu Sortimenten ausgehalten werden Die Messung wird in den Prozessabschnitt des Absägens und Prozessierens integriert. Das Ausgabeformat ist das Holzvolumen in Kubikmeter und damit klar definiert und messbar. Die Entwicklung des Messsystems trägt zur Steigerung der Wettbewerbsfähigkeit Thüringens in Bezug auf die Ressourceneffizienz des nachwachsenden und heimischen Holzes bei. Für das optische Messystem wird eine Messmethodik entwickelt und evaluiert, die den Anforderungen unter wissenschaftlichen und technischen Gesichtspunkten gerecht wird. Das Ziel bei der Entwicklung des Bildverarbeitungssystems ist neben der Vermessung der Querschnittsflächen der Hölzer als Grundlage der Volumenbestimmung die Erfassung zu erwartender Störgrößen wie Eis, Erd- und Schmutzbedeckung durch eine Spreizung des Informationsgehalts so früh wie möglich zu detektieren und zu eliminieren.

Zusätzlich wird das Ziel verfolgt, sekundäre Messgrößen abzubilden, wodurch eine Steigerung der Informationsextraktion und dadurch ein Zugewinn an Merkmalen erreicht werden kann. Aus dem so expandierten Ergebnisraum lassen sich zusätzliche qualitative und quantitative Merkmale – wie etwa Feuchtegehalt, Schädlings- und Pilzbefall – ableiten und zusätzlich dem eigentlichen Messergebnis der Querschnittsfläche ausgeben. Diese Merkmale sind nicht unmittelbar für die Bestimmung der Biomasse notwendig, eröffnen jedoch als Sekundärergebnis völlig neue Möglichkeiten in Hinblick auf die Digitalisierung in forstwirtschaftlichen Prozessen.

Das Verbundvorhaben wird von der Thüringer Aufbaubank gefördert: Vorhabensnummer: 2019 FE 9027; Verbundvorhabensnummer: 2019 VF 0009

Laufzeit: 10.11.2020 - 31.03.2023

Kombination von klassischen und ganzheitlich neuronalen Bildverarbeitungs-Ansätzen für industrietaugliche, heterogene HW/SW-Lösungen mit Alleinstellungsmerkmalen - KOALA

Im Vorhaben KOALA sollen für den Einsatz der Bildverarbeitung in Anwendungen der industriellen Qualitätssicherung Lösungen konzipiert, entwickelt und evaluiert werden, die durch das Verbinden der Vorzüge klassischer und neuronaler Ansätze (Deep Learning) der Informationsverarbeitung gekennzeichnet sind. Damit sollen die Voraussetzungen für zukünftige, innovative hybride Bildverarbeitungssysteme geschaffen werden, die ihre Alleinstellung sowohl durch Robustheit und Anpassungsfähigkeit als auch durch hohe Genauigkeit und Echtzeitfähigkeit demonstrieren. Die Fähigkeit zum Weiterlernen geänderter Objektmerkmale und damit zur robusten Objekterkennung unter wechselnden Bedingungen, die Fähigkeit zu KI-unterstützten messenden Auswertungen von Objekteigenschaften und die Umsetzung der Ergebnisse auf Hardwarelösungen für industrielle Umfelder charakterisiert die wesentlichen Innovationen des hier verfolgten Vorgehens.
Die Vorkenntnisse und Erfahrungen der Projektpartner TechnoTeam GmbH und TU Ilmenau ergänzen sich dabei und greifen bei der Realisierung des Verbundvorhabens eng ineinander, um größtmögliche Synergieeffekte zu ermöglichen.
Die zu erforschenden und zu entwickelnden Methoden und Technologien sollen dem beteiligten Unternehmen TT erlauben, seine Produktpalette zu modernisieren und seine Markposition damit weiter auszubauen. Für nächste Generationen von Laser-Direktbelichtern werden die Ergebnisse zur Lösung aktueller Aufgabenstellungen beitragen und in weiteren Anwendungsfeldern neue Markanteile erschließen, die den bisher eingesetzten Technologien und Vorgehensweisen vorenthalten waren.  Die Forschungseinrichtung TU Ilmenau und die beteiligten Fachgebiete bauen weitere erfolgreiche wissenschaftliche Kollaborationen aus. Der über die Projektergebnisse mögliche Austausch und das hinzugewonnene KnowHow befördert die Weiterführung der angewandten Forschung auf diesem aktuellen Themengebiet.

Bewilligungszeitraum: 01.02.2020 bis 31.01.2023, Vorhabens-Nr. (Verbund): 2019 VF 0003, Projekt-Nr.: 2019 FE 9009

Im Mittelpunkt des Projektes "KI für die Fusion und Verarbeitung multimodaler Bilddatenströme und A priori-Daten (KIMBA)" stehen industrielle Anwendungen der Qualitätssicherung und die hierbei eingesetzten vielfältigen, an den Objekteigenschaften orientierten multimodalen Bildgebungsverfahren.

Diese bildhaften Informationen werden derzeit im wesentlichen regelbasiert für Erkennungsaufgaben und zur Entscheidungsfindung genutzt, wobei auch heute schon neuronal motivierte Verfahren der Datenverarbeitung genutzt werden. Änderungen der Bildgebung und / oder der auszuwertenden Bildobjekte erfordern jedoch immer große Anpassungsaufwände der vorhandenen Erkennungslösung eines Prüfsystems. Die Verbesserung der Vertrauenswürdigkeit von Prüfentscheidungen ist zudem eine wesentliche offene Fragestellung, die auch die weitere Verbreitung der KI in diesen Anwendungen bislang hemmt.

Zur Realisierung adaptiverer, robusterer Erkennungslösungen durch bessere Ausschöpfung multimodaler bildhafter Informationen sollen im Vorhaben KIMBA moderne Methoden der KI eingesetzt werden, die die Fragen

- Multimodale Datenauswahl und -fusion,

- Erkennung von Nachlernbedarfen, Verbesserung der Vertrauenswürdigkeit von Prüfentscheidungen

- Umsetzung automatisch nachlernener Systeme  

in den Mittelpunkt stellen. Die Ergebnisse müssen die besonderen Anforderungen industrieller Anwendungen (Verfügbarkeit und Nutzung von a priori-Wissen, Gestaltung von einfachen Belehrungsprozessen, Laufzeiteffizienz und Ressourcenbedarf algorithmischer Lösungen) berücksichtigen.

Laufzeit: 01.04.2021 - 30.06.2023

Ziel des Projektes ist es, durch den Einsatz neuester Bildsensortechnologien eine breitbandigere spektrale Abtastung beginnend vom sichtbaren Wellenlängenbereich (VIS, 400 - 700 nm) bis in den kurzwelligen Infrarotbereich (SWIR , 700 - 1650 nm+) abzudecken. Hierdurch wird eine Beurteilung chromatischer Eigenschaften gemeinsam mit langwelligen Spektralinformationen kombiniert. Insbesondere die Farbrepräsentation mit gleichzeitiger Abtastung beispielsweise der Wasserabsorbtionslinie bei 1450 nm sind für viele Anwendungen im Bio- Forst- oder Lebensmittelbereich extenziell. Hierfür mussten bisher mehrere Kamerasysteme miteinander kombiniert werden da aktuell keine monolithischen Sensoren für den benötigten Abtastbereich von 400 nm - 1650 nm+ zur Verfügung standen. Um die spektrale Separierung zu erreichen sollen im geplanten Projekt vollflächige Spektralfilter genutzt werden, die in das neue Multispektralkamerasystem sequenziell eingeschwenkt werden können und so eine hohe Flexibilität des Kamerasystems ermöglichen. Aufgrund typischer Spezifikationen des Auflagemaßes für Objektive stellt dies Forderung eine zentrale Forschungsfrage im Projekt. Weiterhin führt das stark nichtlineare Verhalten von typischen optischen Gläsern zu Problemen der chromatischen Aberrationen. Hierfür soll eine geeignete Methode gefunden werden die unterschiedlichen Bildorte über diesen breiten Abtastbereich mit hoher Bildgüte abzubilden. Neben den optisch-mechanischen Herausforderungen des Projektes muss zusätzlich eine effiziente Thermostatierung des Sensors sichergestellt werden, um gerade im langwelligen Bereich einen hohen Dynamikbereich abzusichern. Hierfür werden verschiedene thermische Konzepte untersucht und bewertet die dann in einen Demonstrator der Multispektralkamera MK1650+ einfließen werden.

Das vom Freistaat Thüringen geförderte Vorhaben wurde durch Mittel der Europäischen Union im Rahmen des Europäischen Fonds für regionale Entwicklung EFRE und von REACT-EU kofinanziert.

Das Verbundvorhaben wird von der Thüringer Aufbaubank gefördert: Projektnummer: 2021 FE 9001; Verbundvorhabensnummer: 2021 VF 0001

Bewilligungszeitraum: 01.01.2022 bis 30.06.2023

Produktionsmethoden und Fertigungsketten unterliegen gegenwärtig einem weitreichenden Wandel und erfordern die Entwicklung von wirtschaftlich tragbaren Technologien höchster Ressourceneffizienz, von Technologien und Geschäftsmodellen zur Digitalisierung sowie einer gesteigerten Flexibilität zur Kompensation labiler Lieferketten. Diese Maßnahmen müssen in den Kontext einer zukunftsfähigen Kreislaufwirtschaft eingebettet werden und erfordern die Entwicklung von innovativen und wirtschaftlichen Lösungen in Kooperationen von Unternehmen und Forschungseinrichtungen innerhalb des ThZM.

Die Digitalisierung nimmt dabei eine Schlüsselrolle ein, d. h. Messtechnik, Sensorik und Datenerfassung bilden die Grundlage, um einer zunehmenden Digitalisierung im Maschinenbau und den damit verbundenen Fertigungsprozessen, Bauteilen und ihrer Qualitätssicherung begegnen zu können. Zur Optimierung und Vernetzung von Fertigungsanlagen und Prozessregelung über mehrere Ebenen hinweg werden an der TU Ilmenau Untersuchungen mit modernen mobilen IoT Systemen und modernen faseroptischen Sensorsystemen durchgeführt. In diesem Zusammenhang wurden durch das geförderte Projekt die mobile IOT Plattform SPOT sowie ein faseroptisches Sensorsystem beschafft um die genannten Zielstellungen zu erreichen.

Bewilligungszeitraum: 01.06.2022 bis 30.09.2023

Gefördert durch die Thüringer Aufbaubank, Förderkennzeichen 2022 IZN 0001

Das Projekt Quantum Hub Thüringen (QHubTh) behandelt neue Forschungs- und Umsetzungsstrategien für Quantentechnologien. Im Rahmen des Teilprojektes der Technischen Universität Ilmenau, Fakultät Maschinenbau, Fachgebiet Qualitätssicherung und Industrielle Bildverarbeitung zur Quantenbildgebung - Qi3.4, werden neuartige Bildgebungssysteme, welche auf speziell manipulierten Photonen basieren, untersucht und dabei Verbesserungspotenziale hinsichtlich der Detektoren ausgewertet. Auf Basis bestehender Modellansätze werden hierfür Methodiken erforscht, um quantenoptische Parameter modellbasiert zu ermitteln.

Die Fähigkeit, quantenphysikalische Eigenschaften wie Korrelation in Position und Impuls oder der Photonenzahlcharakteristik zu bestimmen, sind essenziell, um neue Charakterisierungsmethoden für diverse Kameratypen wie EMCCDs, ICCDs, sCMOS oder SPAD-Arrays zu entwickeln. Dafür wird ein Prüfstand entwickelt, welcher anhand neuer Methodiken eine Evaluierung des Anwendungsspektrums und eine weitere Ableitung von Optimierungsstrategien für den zukünftigen Einsatz von Bildgebungssystemen in der Quantenbildgebungermöglicht.

Durch enge Zusammenarbeit mit weiteren Arbeitspaketen (AP) des Quantum Hub Projektes wird eine solche quantentechnische Sensorevaluierung erreicht, um im endgültigen Ziel des Projektes die Bildgebungsprozesse zu stabilisieren und zu optimieren. Eine Optimierung der neuartigen Quantenbildgebungsmethoden aus anderen AP wird so über eine Rückführung der hier bestimmten optimalen Betriebseinstellungen der Detektoren ermöglicht.

Gefördert durch das Thüringer Ministerium für Wirtschaft, Wissenschaft und digitale Gesellschaft sowie die Thüringer Aufbaubank

Laufzeit: 01.05.2021 - 31.12.2023

Echtzeit-3D-Multikamerainspektion für Elektronikbaugruppen

Für die Qualitätskontrolle großformatiger Leiterkarten bieten sich insbesondere arraybasierte System an. Vorteil dieser Systeme ist die Einsparung einer Bewegungsachse durch eine matrixorganisierte Kameraanordnung. Derzeit arbeiten die meisten Systeme für einfache Erkennungsaufgaben bei AOI Systemen im 2D Bereich. Eine Erweiterung dieser Systeme könnte zusätzliche Vorteile bei der Inspektion ergeben. So könnten Fehlbestückungen durch die Hinzunahme der dritten Dimension besser automatisch erkannt werden. Hier setzt der Forschungsansatz der TU-Ilmenau an. Durch die Einbringung von zusätzlichen Informationen beispielsweise durch Musterprojektionen oder bewegten Scanlinien sollen die 3D Informationen in Kombination mit den Kamerasystemen errechnet werden. Ziel ist es auch kostengünstige Projektionssysteme aus dem Konsumermarkt zu evaluieren und gegebenenfalls einzusetzen umso eine höhere Abtastdichte zu erreichen. Durch zeitlich modulierte Scanverfahren sollen Bildraten für eine Fläche von 450x550 mm² von ca. einer Sekunde erreicht werden.

Die Förderung erfolgt durch das Bundesministerium für Wirtschaft und Klimaschutz im Rahmen des Programms „Zentrales Innovationsprogramm Mittelstand (ZIM)“.

Förderkennzeichen: KK5007909ER1

Laufzeit: 01.05.2021 - 30.04.2023

Das Forschungsprojekt Engineering for Smart Manufacturing (E4SM) hat zum Ziel, innovative Methoden zur Entwicklung von Assistenzsystemen für die intelligente Fertigung in industriellen Szenarien auf der Grundlage des maschinellen Lernens zu untersuchen. Im Rahmen von Industry 4.0 sollen insbesondere die Anforderungen und Besonderheiten für die Fertigung in kleinen und mittleren Unternehmen (KMU) betrachtet werden. Die im Rahmen dieses Projekts zu erforschenden und zu entwickelnden Methoden sollen auf zwei industrielle Szenarien angewandt werden: Das vorrichtungsfreie Laserstrahlschweißen und die variantenreichen Monatgeprozesse.
Der Schwerpunkt liegt auf integrierten und ganzheitlichen Engineering-Methoden für die Anwendung von lernbasierten Assistenzsystemen in der Fertigung. Dazu sollen entwickelte Teillösungen   in den wichtigen Kernbereichen kollaborative Assistenzrobotik, latenzarme 3D-Sensornetzwerke, Management und Analyse heterogener Daten aus industriellen Fertigungsprozessen sowie IT-Sicherheit und IT-Sicherheit in einen ganzheitlichen Software-Engineering-Prozess integriert werden. Darüber hinaus soll die Einbeziehung von Industriepartnern dazu beitragen, den Einsatz von maschinellen Lern- und Assistenzsystemen für KMU projektierbarer und kontrollierbarer zu machen, um die Akzeptanzschwelle zu senken.

Projekthomepage: https://www.e4sm-projekt.de/ 

Bewilligungszeitraum: 01.05.2019 bis 30.04.2023, Carl Zeiss Stiftung,
Aktenzeichen der Mittelzuweisung durch die Carl-Zeiss-Stiftung: P2017-01-005