Klassifikation des Arbeitsfortschritts an intelligenten Arbeitsplätzen – Ein Support Vector Machine basierter Ansatz

Conference: AALE 2017 - 14. Fachkonferenz, Das Forum für Fachleute der Automatisierungstechnik aus Hochschulen und Wirtschaft
03/02/2018 - 03/03/2017 at Wildau, Deutschland

Proceedings: AALE 2017

Pages: 10Language: germanTyp: PDF

Authors:
Niedersteiner, Sascha; Lang, Jonas; Pohlt, Clemens; Schlegl, Thomas (OTH Regensburg, Deutschland)

Abstract:
Steigende Anforderungen hinsichtlich der Qualität und der Mitarbeiterunterstützung führen zunehmend zur Entwicklung von Handarbeitsplätzen mit sensorieller Unterstützung. Die vorliegende Arbeit zeigt einen neuen Ansatz um mittels Verfahren des maschinellen Lernens die Objekterkennung sowie die Transitionen eines, den Arbeitsprozess represäntierenden, Zustands-automaten eines solchen Systems einzulernen. Hierfür werden Daten aus einer Tiefenkamera, nach einer Vorverarbeitung, in drei Stufen durch Support Vector Machines (SVMs) klassifiziert und das Ergebnis mit einem Zustandsautomaten verknüpft. Das Konzept wird an einem einfachen industriellen Montageprozess evaluiert und zeigt gute Ergebnisse hinsichtlich der Robustheit gegenüber Fehlern bei der Objektklassifikation.