2D surface analysis of metal surfaces using texture feature algorithms. - Ilmenau, 2021. - X, 125 Seiten
Technische Universität Ilmenau, Dissertation 2021
Die Qualitätsprüfung von bearbeiteten Oberflächen ist ein wichtiger Schritt in der Qualitätskontrolle der industriellen Prozesse. Es gibt zwei Gruppen von Qualitätsprüfungsmethoden: berührend und berührungslos. Die berührende Messung mit dem Profilometer ist eine traditionelle Methode zur Kontrolle der Oberflächenrauheit. Die Hauptnachteile von Berührungsmethoden sind eine langsame Geschwindigkeit der Qualitätsprüfung und eine physikalische Beschädigung der gemessenen Oberfläche, die durch eine Sonde des Messgerätes verursacht wird. Eine weitere moderne Alternative ist eine Gruppe von berührungslosen Verfahren, bei denen die Oberflächenrauheit ohne jeglichen physischen Kontakt zwischen einem Messgerät und einer Oberfläche geschätzt werden kann. Der Schwerpunkt dieser Forschung ist die Erprobung von Texturmerkmalen zur berührungslosen Qualitätssicherung von Metalloberflächen. Texturmerkmale sind der Teil der Bildverarbeitung, der in verschiedenen Bereichen der Bildverarbeitung eingesetzt wird. Im Rahmen dieser Forschung wurden mehrere Untersuchungen mit Texturmerkmalen durchgeführt. Sie wurden zur erfolgreichen Segmentierung unscharfer Regionen verwendet. Nach der Segmentierung mit der vorgeschlagenen Methode ist es möglich, nur die scharfen Regionen der Oberfläche zu verwenden. Die Texturmerkmale wurden auch als Merkmalsvektor für die Klassifizierung von Metallteilen auf der Grundlage ihrer Oberflächenqualität verwendet. Die Texturmerkmale wurden auch zur Analyse der Rauheit der Oberfläche verwendet. Die Metallteile wurden auf unterschiedliche Weise bearbeitet, alle Oberflächen hatten eine unterschiedliche Oberflächenqualität. Bilder für Texturmerkmale wurden mit einer Industriekamera aufgenommen. Die Rauheitsparameter wurden berechnet und mit Texturmerkmalen verglichen. Mögliche Korrelationskoeffizienten und die Beziehung zwischen 2D-Texturmerkmalen und 3D-Rauheitsparametern wurden analysiert. Mögliche Anwendungen und Grenzen einer solchen Methode sind diskutiert worden. So zeigen durchgeführte Untersuchungen, dass Texturmerkmale unter den kontrollierten Beleuchtungsbedingungen Rauheitsinformationen einer Oberfläche darstellen können. Im letzten Kapitel wird der Entwurf einer automatischen maschinellen Lernkette, basierend auf Texturmerkmalen, vorgeschlagen. Ein solches System kann für automatische Oberflächenanalysesoftware verwendet werden.
High-resolution sequential thermal fringe projection technique for fast and accurate 3D shape measurement of transparent objects. - In: Applied optics, ISSN 2155-3165, Bd. 60 (2021), 8, S. 2362-2371
Three-dimensional (3D) shape measurement systems based on diffuse reflection of projected structured light do not deliver reliable data when measuring glossy, transparent, absorbent, or translucent objects. In recent years, we have developed a method based on stereo recording with infrared cameras and projection of areal aperiodic sinusoidal thermal patterns to detect such objects. However, the measurements took longer than 10 s, up to minutes; moreover, the measurement accuracy was improvable. Now, we have succeeded in both drastically reducing measurement time and significantly increasing measurement quality. This finally provides a technique for reliably measuring transparent objects, e.g., in series production. We demonstrate measurement examples achieved within 1 s and with 3D standard deviations less than 10 [my]m.
https://doi.org/10.1364/AO.419492
Imaging flow cytometry with snapshot-mosaic cameras for characterization of Haematococcus pluvialis cells. - In: Microfluidics, BioMEMS, and Medical Microsystems XIX, (2021), S. 116370R-1-116370R-7
https://doi.org/10.1117/12.2578559
The evaluation of CUDA performance on the Jetson Nano board for an image binarization task. - In: Real-Time Image Processing and Deep Learning 2021, (2021), S. 117360G-1-117360G-8
One of the most preferred platforms or boards for developing 'real-time image-video processing' applications is NVIDIA's Jetson Nano, which is equipped with CUDA that will accelerate the performance. However, there is no research has yet evaluated CUDA performance on the Jetson Nano for Real-Time Image/Video Processing applications. Through this research, an evaluation of the CUDA performance on Jetson Nano will be obtained by running the Thresholding application with and without the CUDA feature. Some of the aspects evaluated from this study are as follows: CPU usage percentage, GPU usage percentage, temperature level, Current Usage on CPU, Current Usage on GPU from the research results, it was found that the CUDA feature does not always provide added value or performance in its use, CUDA will run very effectively when offline (not real-time), but in real-time, the performance with and without CUDA is almost the same.
https://doi.org/10.1117/12.2586650
Mid-wave infrared 3D sensor based on sequential thermal fringe projection for fast and accurate shape measurement of transparent objects. - In: Dimensional Optical Metrology and Inspection for Practical Applications X, (2021), S. 1173204-1-1173204-11
Structured light sensors based on diffuse reflection of projected patterns are widely used to measure the 3D shape of objects, e.g., in industry, medicine, or cultural heritage. Unfortunately, there exist many objects made of uncooperative materials, i.e., materials with optical properties such as being glossy, transparent, absorbent, or translucent, which cannot be measured reliably by this measurement technique. In the last years, we presented a two-step method based on thermal pattern projection which allows the determination of the object surface of these uncooperative objects. In the first step, a multi-fringe thermal pattern is projected onto the measurement object. In the second step, a mid-wave infrared (MWIR) stereo camera records the thermal radiation that is absorbed and re-emitted by the object surface. This system allows us to measure transparent objects. However, the measurement time is with tens of seconds up to minutes quite long and the measurement accuracy should be improved. In this contribution, we present a projection principle of a fast sequentially scanning fringe leading to a significant reduction in measurement periods down to the second range or even below while increasing the measurement accuracy. The work includes a characterization of our MWIR 3D setup for both projection principles, the multifringe and sequential fringe one, regarding the measurement accuracy and speed. We show measurement results obtainted with both projection techniques for an object made of different material classes.
https://doi.org/10.1117/12.2585734
Low latency real time 3D sensor utilizing optimized aperiodic fringe patterns. - In: Dimensional Optical Metrology and Inspection for Practical Applications X, (2021), S. 1173205-1-1173205-9
Pattern projection-based stereo 3D sensors are widely used for contactless, non-destructive optical 3D shape measurements. In previous works, we have shown 3D measurement systems based on stereo matching between two cameras with GOBO-projected aperiodic fringe patterns. We have also demonstrated a low latency 3D reconstruction algorithm (BICOS), which can be used for real time 3D measurements. We showed an optimization method for the projected aperiodic fringe patterns with the purpose of making the measurements more robust and to reduce the pattern sequence length without sacrificing 3D model completeness. In this contribution, we demonstrate a sensor for a medical application which aggregates these developments. Our sensor is used to monitor patient movement during radiation therapy. In this application a low measurement latency is of high importance. A significant part of this latency is caused by image acquisition. We show that we can reduce the number of required image pairs to 6 when optimizing the projected aperiodic fringe patterns. In combination with our BICOS algorithm, we can achieve total measurement latencies of below 80 ms at an accuracy of 355 [my]m in a measurement field of 1 m × 2 m.
https://doi.org/10.1117/12.2586085
Standard-compliant detection of fillet weld surface imperfections for MAG-welding using a 3D-line scanner. - In: Dimensional Optical Metrology and Inspection for Practical Applications X, (2021), S. 117320A-1-117320A-13
Within the paper the use of a 3D-line scanner is evaluated to realize an inline and intime detection of weld imperfections for an automated MAG-welding of fillet welds. The required conditions of the weld are in accordance with the quality level B of the international standard ISO 5817 [1]. The used system is a Wenglor 3D-line scanner with a wavelength of 660 nm and an image recording frequency of at least 200 Hz. This scanner is able to detect, as a stand-alone system, geometry and surface imperfections of the weld. Therefore, algorithms were developed for the reliable recognition of deviations regarding the size, superelevations, undercuts, seam transition angles and the symmetry of the weld with a measurement accuracy of 10 m. With the information, gathered by the line scanner and the corresponding image-data processing algorithms, it is possible to improve the efficiency of automated MAG-welding. The welding process can be interrupted and recalibrated if significant imperfections are detected. This is realized with a short time delay depending on the distance between the welding torch and the camera and the welding speed. The direct feedback could prevent the weldment from getting unusable and saving ressources through minor required efforts for renewing or revising the weld. Additionally, the required visual testing (ISO 17635 [2], ISO 17637 [3]) can be objectified and accelerated by highlighting the parts of the weld which are most probably affected by imperfections. In the future this automated system could possibly replace the manual quality inspection.
https://doi.org/10.1117/12.2588536
Geschlossener Qualitätsregelkreis für die Additive Fertigung durch bildgestütztes Maschinelles Lernen. - In: Datengetriebenes Qualitätsmanagement, (2021), S. 57-71
https://doi.org/10.1007/978-3-662-62442-5_4
Fast 3D shape measurement of transparent glasses by sequential thermal fringe projection. - In: EOS Annual Meeting (EOSAM 2020), (2020), 06008, S. 1-2
We present an approach for measuring the shape of transparent glasses, which enables us to significantly reduce the comparatively long measurement time while increasing the measurement accuracy. Instead of using area-like patterns, we irradiate the object to be measured successively in a locally strongly restricted area with considerably higher irradiance.
https://doi.org/10.1051/epjconf/202023806008
Automatisierte Analyse von Bauschuttrezyklaten auf der Basis von Bild- und Spektralinformationen. - Ilmenau : Universitätsbibliothek, 2020. - 1 Online-Ressource (VI, 166 Seiten)
Technische Universität Ilmenau, Dissertation 2020
Bau- und Abbruchabfälle stellen Gemische aus mineralischen, metallischen und organischen Anteilen dar, welche eine entsprechend hochwertige Aufbereitung benötigen, um als rezyklierte Gesteinskörnungen wieder im Herstellungsprozess von Baustoffen verwendet werden zu können. Gesteinskörnungen stellen ein körniges Material dar, welches für die Betonherstellung geeignet ist. In Deutschland wie auch weltweit wird nur ein sehr geringer Teil des anfallenden Bauschutts für die Herstellung von Beton wiederverwendet. Variierende Gehalte an porösen Partikeln, Kontamination durch organisches und anorganisches Material erschweren die Sortierung der Gemische. Stand der Technik im Bereich der Analyse der Bau- und Abbruchabfälle ist die manuelle Inspektion durch Laborassistenten, weil nicht alle Bauschuttklassen zurzeit mittels automatisierter Methoden klassifiziert werden können. Für die Erkennung und Separation von aufbereiteten Bauabfällen wurden bisher nur einige gezielte Untersuchungen vorgenommen. Die Untersuchungen zeigten, dass nur ein modernes optisches System als Kombination von zwei oder mehreren spektralen sowie auch ortsaufgelösten Sensoren unter Verwendung adaptierter Erkennungsverfahren zukünftig in der Lage sein könnte, die Vielzahl der Stoffe im Bauschutt zuverlässig unterscheiden zu können. Die Automatisierung der Erkennung von Schüttgütern, insbesondere Bauschuttrezyklaten, würde zu einer enormen Zeit- und damit auch Kostenersparnis führen. Die Lösung einer komplexen Aufgabe wie die Bauschutterkennung benötigt die Anwendung verschiedener Algorithmen aus den Bereichen des maschinellen Lernens, der Bildverarbeitung und der Spektroskopie. Daraus folgt, dass diverse Untersuchungen zur Datensatzerstellung und -strukturierung, Merkmalsextraktion und Auswahl der geeigneten Merkmale mittels Merkmalsselektionsverfahren, Auswahl der Klassifikationsalgorithmen und Anpassung des Klassifikators zur Lösung der Aufgabe durchgeführt werden müssen. Im Rahmen dieser Arbeit wurde eine automatisierte Analyse von Bauschuttrezyklaten auf Basis von Bild- und Spektralinformationen realisiert. Ein Analyseverfahren für die Qualitätssicherung rezyklierter Gesteinskörnungen wurde entwickelt. Eine Basis für die Untersuchungen stellen durch Laborspezialisten vorbereitete und vorsortierte Proben dar. Die Proben wurden mittels eines Aufbaus mit hochauflösender 3-CCD-Kamera, einer Kombination von Auflicht- und Durchlichtbeleuchtung und mit einem NIR-Spektrometer aufgenommen. Daraus ergeben sich drei Datensätze auf der Basis von Bild-, Spektral- und Hybrid-Information (Kombination von beiden Informationen). Unterschiedliche Algorithmen für die Merkmalsselektion und Merkmalsextraktion wurden auf den Datensätzen untersucht und angepasst. Für die Lösung der Erkennungsaufgabe wurden diese Algorithmen zusammen mit verschiedenen Klassifikatoren aus den Bereichen der statistischen Klassifikatoren (Naive Bayes), der Entscheidungsbäume (Random Forest), der instanzbasierten Klassifiktoren (k-Nächste Nachbarn), der Support-Vektor-Maschinen und der künstlichen neuronalen Netze. Das Erkennungsproblem stellt eine komplexe Optimierungsaufgabe mit einer Vielzahl an Einflussfaktoren dar. Die Faktoren wurden in der Arbeit beschrieben und untersucht. Die Fusion von Bild- und Spektralinformation sowie eine passende Optimierung von beiden Informationsteilen erlaubt im Ergebnis eine Gesamterkennungsrate von 99,9% unter Anwendung des Klassifikators SVM mit polynomialem Kern.
https://nbn-resolving.org/urn:nbn:de:gbv:ilm1-2020000692