Zusammenfassung
Der Beitrag beschreibt eine Methode für die Fehlererkennung der Oberflächenform durch eine 3-D-Vermessung und anschließende Auswertung der Daten mit Hilfe eines neuronalen Netzes.
Die Erkennung von Abweichungen der Oberfläche von der gewünschten Form eines Meisterobjektes erfordert normalerweise eine exakte Justierung der Objekte in einer Position. Insbesondere können Verformungen nicht ausgeglichen werden. Bei der hier vorgestellten Methode ist diese genaue Justierung nicht erforderlich.
Es werden zunächst mehrere Meisterstücke in unterschiedlichen Positionen und Variationen in ein neuronales Netz eingespeichert. Beim Abruf des Netzes mit den Daten der zu überprüfenden Teile, werden nicht gespeicherte Merkmale geglättet und dadurch quasi das Meisterstück in der aktuellen Lage rekonstruiert. Die Auswertung kann dann durch einfache Differenzbildung erfolgen.
Anhand eines Beispiels werden die Möglichkeiten, die diese Methode bietet, demonstriert.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
References
Albrecht, P.; Lilienblum, T.; Sommerkorn, G.; Michaelis, B.:3D-Measurement for Rapid Prototyping. SPIE-The International Society for Optical Engeneering, Vol. 2787, European Symposium on Lasers, Optics, and Vision for Productivity in Manufacturing I, Besancon, France, pp. 62–73, 10.06.-14. 06. 1996.
Dörband B., Zilker A.„Fringe projection systems for real time testing of car bodies with 5 µm resolution“; VDI-Report Nr. 1118, pp 21–26 1994.
Herzog, A.; Schütze, W.; Lilienblum, T.; Braun, K.; Michaelis, B.: 3D-Formrekonstruktion an der Auflösungsgrenze konfokaler Laserscan- Mikroskope. Mustererkennung 1997, Springer-Verlag Berlin Heidelberg New York, ISBN 3-540-63426-6, S. 219–226
Hassoun, M. H.: Associative Neural Memories: Theory and Implementation. Oxford University Press, New York 1993
Hof A., Hanßen A., Küchel M., Schütz J. „Streifenprojektionsmethoden in der 3- D-Meßtechnik“, VDI-Report Nr. 1006, pp 67–80, 1992
Krell, G.; Tizhoosh, H. R.; Lilienblum, T.; Moore, C. J., Michaelis, B.: Fuzzy Image Enhancement and Associative Feature Matching in Radiotherapy. Proceedings of the International Conference on Neural Networks (ICNN’97), Houston, Texas, 09.06.-12. 06. 1997, pp. 1490–1495
Lilienblum, T.; Zhang, W.; Michaelis, B.: Sensor Data Compression for Smart Mechanical Systems by Artificial Neural Networks. In: Gabbert, Ulrich (Hrsg.): Smart mechanical Systems — Adaptronics. Fortschr.-Ber. VDI Reihe 11 Nr. 244. Düsseldorf: VDI-Verlag 1997. pp. 235–244
Lilienblum, T.; Albrecht, P.; Michaelis, B.: Improvement of 3-D Data with Neural Networks. ‘Journal of Microelectronic Systems Integration’, Volume 5 (1997), No. 1, pp. 53–64
Lilienblum, T.; Albrecht, P.; Michaelis, B.: 3D-Measurement of Geometrical Shapes by Photogrammetry and Neural Networks. 13th International Conference on Pattern Recognition (ICPR’96), Wien, pp. 330–334, 25.08.-30. 08. 1996.
Erkki Oja: A Simplified Neuron Model as a Principal Component Analyzer. J. Math. Bio., vol. 15, pp. 267–273, 1982
Sanger, T.D.: Optimal Unsupervised Learning in a Single-Layer Linear Feedforward Neural Network. Neural Networks, Vol. 2, pp. 459–473, 1989
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1998 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Lilienblum, T., Günther, G., Küehel, M., Michaelis, B. (1998). Fehlererkennung der Oberflächenform durch SD-Vermessung und Auswertung mit einem künstlichen neuronalen Netz. In: Levi, P., Schanz, M., Ahlers, RJ., May, F. (eds) Mustererkennung 1998. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-72282-0_57
Download citation
DOI: https://doi.org/10.1007/978-3-642-72282-0_57
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-64935-9
Online ISBN: 978-3-642-72282-0
eBook Packages: Springer Book Archive