Projektziele & Projektergebnis
Umsetzung projekt in den Bereichen „Services“ mit dem Ziel der Erhöhung/Steigerung/ Optimierung der Kundenbedürfnisse/ Kundenbeziehungen, der Produkt- / Servicequalität, des Informationsflusses (Qualität, Verfügbarkeit, Transparenz) und von Prozessen.
Ein wesentliches Ergebnis war die Entwicklung von KI-Modellen, die verschiedene Typen von Fahrzeugscheinwerfern, einschließlich adaptiver Frontbeleuchtungssysteme, effektiv erkennen können. Die Ergebnisse wurden optimiert und an den Projektpartner Velomat übergeben.
Gesamtprojekt
Top Erkenntnisse aus dem Projekt
Ausgangslage
Zentrale Fragestellungen im Projekt
- Welche Hardware-technischen Voraussetzungen sind bei einer KI-Lösung für Bildklassifikation zu berücksichtigen?
- Welche KI-Algorithmen eignen sich am besten für die Klassifikation von unterschiedlichen Softwarelösungen?
- Welche Entwicklungs-Software kann die Implementierung einer KI-Lösung für Bildklassifikation unterstützen?
Projektdetails
Die VELOMAT Group ist eine mittelständische Unternehmensgruppe aus dem Bereich Sensorik, Elektronik und Software. Die Unternehmen bieten Hard- und Software an – von der Datenerfassung (Sensoren und Messelektroniken) über die Datenverarbeitung (beispielsweise Berechnung abgeleiteter Ergebnisgrößen, Filterung, Schwellwertüberwachung) und Datenübertragung (zum Beispiel Funk- und Bussysteme) bis hin zur Anzeige der Ergebnisse in Applikationen für den Endanwender. Für die Zulassung und regelmäßige Überprüfung von Scheinwerfern im Kfz-Bereich werden Prüfgeräte eingesetzt. Diese erfassen die Intensitätsverteilung des Scheinwerferlichts mit Sensoren und werten diese anhand von vorgegebenen Auswerteverfahren aus. Neue Technologien wie Matrix-LED Scheinwerfer und eine Vielzahl neuer Hersteller-abhängiger „Advanced Frontlighting System“ (AFS)
Lichtverteilungen führen zu großen Herausforderungen für die existierenden Auswerteverfahren. Sie setzen darüber hinaus ein zunehmend umfangreicheres Wissen bei der Nutzung der Prüfgeräte durch die Werkstattmechaniker voraus.
Das Projekt zielt darauf ab, die Genauigkeit der Scheinwerferprüfung für moderne Scheinwerfertechnologien zu verbessern. Das Hauptaugenmerk liegt dabei auf der Evaluation verschiedener KI-Verfahren zur herstellerunabhängigen Klassifikation von Scheinwerfertypen. Diese Verfahren sollen die bestehenden analytischen Methoden ergänzen oder ersetzen.




.jpg-1024x576.webp)

