Ein von Forschern entwickeltes Datenset namens WireRope3D und die darauf abgestimmte Segmentierungsmethode WireGC‑Former ermöglichen die präzise Erkennung kleiner Defekte auf Drahtseiloberflächen und erreichen dabei einen mittleren Intersection‑over‑Union‑Wert (mIoU) von 80,32 %.
Hintergrund
Dreidimensionale Punktwolken stellen die räumliche Geometrie industrieller Oberflächen exakt dar und sind besonders für die Segmentierung kleiner Zielobjekte geeignet. Bisher fehlten jedoch hochwertige Datensätze, die die speziellen Anforderungen von Defekten an Drahtseilen – geringe Größe, spärliche Verteilung und komplexe Morphologie – abdecken.
Datensatz WireRope3D
Der neu erstellte Datensatz WireRope3D umfasst Punktwolken von Drahtseilen mit drei typischen Defektarten: Verschleiß, Drahtprotrusion und gebrochener Draht. Jede Klasse ist durch zahlreiche Messungen repräsentiert, sodass ein breites Spektrum realer Schadensbilder abgebildet wird.
Methode WireGC‑Former
Die vorgestellte Methode kombiniert ein Graph‑Convolution‑Netzwerk mit einem Transformer. Ein Edge‑Feature‑Extraktionsmodul stärkt die Wahrnehmung lokaler geometrischer Strukturen und Defektgrenzen. Ein räumliches Aufmerksamkeitsmodul fügt absolute Koordinateninformationen mit relativer Positionskodierung zusammen, um lokale räumliche Beziehungen besser zu repräsentieren. Durch ein Feature‑Fusion‑Modul werden mehrstufige lokale und globale Merkmale integriert, während ein Feature‑Attention‑Modul langfristige Abhängigkeiten modelliert.
Ergebnisse
Auf dem WireRope3D‑Datensatz erzielt WireGC‑Former einen mIoU von 80,32 %, was die Wirksamkeit des Ansatzes bei der Segmentierung kleinformatiger Defekte belegt. Die Ergebnisse übertreffen vergleichbare Verfahren, die ohne die kombinierte Graph‑ und Transformer‑Architektur arbeiten.
Bedeutung für die Industrie
Der Datensatz liefert eine verlässliche Basis für die Entwicklung und Validierung von Defekterkennungs‑ und Quantifizierungsverfahren in industriellen Anwendungen. Die Methode kann dazu beitragen, Wartungsprozesse zu optimieren und die Sicherheit von Drahtseilsystemen zu erhöhen.
Ausblick
Die Autoren planen, den Datensatz zu erweitern und die Methode auf weitere industrielle Oberflächen anzupassen, um die allgemeine Anwendbarkeit von Punktwolken‑Segmentierung in komplexen Produktionsumgebungen zu prüfen.
Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.
Ende der Uebertragung