Nalaganje ...
Mednarodni projekti vir: SICRIS

Traceable machine vision systems for digital industrial applications, DI-Vision

Raziskovalna dejavnost

Koda Veda Področje Podpodročje
2.10.05  Tehnika  Proizvodne tehnologije in sistemi  Industrijski inženiring 

Koda Veda Področje
T130  Tehnološke vede  Produkcijska tehnologija 
Ključne besede
Sledljivost, dimenzijsko meroslovje, sistem strojnega vida (MVS), digitalni dvojček (DT), algoritem gostega ujemanja (DMA), fotogrametrija, proračun negotovosti
Organizacije (1) , Raziskovalci (4)
0795  Univerza v Mariboru, Fakulteta za strojništvo
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacijŠtev. publikacij
1.  06673  dr. Bojan Ačko  Proizvodne tehnologije in sistemi  Raziskovalec  2024 - 2025  746 
2.  12668  dr. Lucija Črepinšek Lipuš  Proizvodne tehnologije in sistemi  Raziskovalec  2024 - 2025  110 
3.  24408  dr. Rok Klobučar  Meroslovje  Vodja  2024 - 2025  95 
4.  34982  dr. Jasna Tompa  Proizvodne tehnologije in sistemi  Raziskovalec  2024 - 2025  114 
Povzetek
Sistemi strojnega vida (MVS) so ključnega pomena za številne industrije z visoko vrednostjo, kjer je Evropa globalno konkurenčna ter evropskim ciljem v smislu digitalne preobrazbe in zelenega dogovora. Toda za te sisteme dosegli svoj polni potencial, je potrebno nadaljnje delo. Predlagatelji, ki obravnavajo to SRT, bi morali določiti sledljivost obstoječih in novo razvitih MVS v kombinaciji z drugimi merilnimi napravami, razvoj digitalnih dvojčki (DT) MVS, ki temeljijo na podatkovnih in fizičnih modelih, ter izvajajo robustno ujemanje in analizo algoritmi za veliko količino posnetih neobdelanih podatkov. Poleg tega je uporabnost razvitih metod in orodja je treba prikazati s študijami primerov in scenariji, ki zajemajo več industrijskih aplikacij.
Pomen za razvoj znanosti
Posebni cilji so vzpostaviti sledljivost obstoječih in na novo razvitih industrijskih MVS, ki se uporabljajo v i) dimenzijski kakovosti, ii) površinski kakovosti, iii) strukturni kakovosti in iv) operativni kakovosti; razviti DT izbranih in na novo razvitih MVS s pomočjo fizičnih modelov in/ali računalniških modelov z uporabo metod, ki jih poganja umetna inteligenca, in predvideti njihove odzive pri analizi sistematičnih napak ter pridobiti optimalno strategijo meritev v najkrajšem času cikla; implementirati metode za kvantificiranje negotovosti razvitih DT za MVS; raziskovanje in vrednotenje novih metod in algoritmov za gosto ujemanje slik več posnetih slik z uporabo mehkih merilnikov; Za lažjo uporabo tehnologije, vodnikov dobre prakse in merilne infrastrukture.
Zgodovina ogledov
Priljubljeno