Automated Optical Inspection of Deformable Linear Objects in Wiring Harnesses Applying Deep Learning and Synthetic Data

von Huong Giang Nguyen

144 Seiten, Taschenbuch

Kurzbeschreibung des Verlags

Automated optical inspection (AOI) systems are an important building block in intelligent manufacturing systems. They enable the acquisition of optical data for process monitoring and documentation, while also facilitating process optimization through data analysis. The wiring harness industry, in particular, poses challenges due to a high-variant manufacturing philosophy, manual assembly processes, and quality requirements. In this context, AOI systems offer significant potential by enabling automated quality control, fast failure detection, and trouble-shooting of manual processes. This thesis introduces the FastAOI methodology, which provides a systematic approach for developing smart AOI systems using data driven techniques and synthetic data. FastAOI comprises the process steps AOI planning, 3D product model creation, scene creation, and data processing. The approach leverages deep learning algorithms trained with synthetic data to detect wiring harness components, including both rigid and deformable linear objects. FastAOI is implemented and vali-dated in two AOI systems, one for image and one for point cloud seg-mentation, to demonstrate its applicability across multiple data modalities. The research results confirm the viability of deep learning for high-performance wiring harness segmentation. Furthermore, effective strategies for synthetic data integration into deep learning training and the positive impact of synthetic data on the model performance are outlined. Automatische optische Inspektionssysteme (AOI-Systeme) sind ein wichtiger Baustein intelligenter Fertigungssysteme. Sie ermöglichen die Erfassung und Analyse optischer Daten zur Prozessüberwachung, -dokumentation und -optimierung. Die Kabelbaumbranche ist durch eine variantenreiche Fertigungsphilosophie, manuelle Montageprozesse und hohe Qualitätsanforderungen charakterisiert. In diesem Zusammenhang bieten AOI-Systeme ein erhebliches Potenzial, indem sie eine automatische Qualitätskontrolle, schnelle Fehlererkennung und Fehlersuche bei manuellen Prozessen ermöglichen. In dieser Arbeit wird die FastAOI-Methodik präsentiert. Diese Methodik stellt einen systematischen Ansatz zur Entwicklung intelligenter AOI-Systeme unter Verwendung datengetriebener Techniken und synthetischer Daten bereit. FastAOI umfasst die Prozessschritte AOI-Planung, 3D-Produktmodellerstellung, Szenenerstellung und Datenverarbeitung. Der Ansatz nutzt Deep-Learning-Algorithmen, die mit synthetischen Daten trainiert wurden, um Kabelbaumkomponenten, einschließlich starrer und formlabiler Objekte, zu erkennen. Die Umsetzung und Validierung von FastAOI erfolgt in zwei AOI-Systemen zur Bild- und Punktwolkensegmentierung. Die Forschungsergebnisse bestätigen die Anwendbarkeit von Deep Learning für eine exakte Kabelbaumsegmentierung. Zudem werden effektive Strategien für die Integration synthetischer Daten in das Deep-Learning-Training und die Auswirkungen synthetischer Daten auf die Modell-leistung aufgezeigt.

• Reihe: FAU Studien aus dem Maschinenbau
• Themen: Technologie, Ingenieurswissenschaft, Landwirtschaft, Industrieprozesse Maschinenbau und Werkstoffe
• ISBN: 9783961479214
• Sprache: Englisch
• Erscheinungsdatum: 30.06.2026
• Größe: 24 x 17 cm
• Verlag: FAU University Press