Entwicklung einer innovativen KI-Lösung zur Erkennung von Autoschäden

TÜV Rheinland hat ein System zur automatischen Aufzeichnung von Schäden entwickelt. Auf Basis multimodaler Sensordaten war es das Ziel, Schäden an Autokarosserien mit einer innovativen KI-Lösung zu klassifizieren.

Das Problem

01

Das Projekt

01

TÜV Rheinland und Adomea haben ein System zur automatischen Bewertung von Fahrzeugschäden entwickelt, das in nur einer Minute ein detailliertes Bild der Fahrzeugoberfläche erstellt. Die hochpräzisen Messdaten basieren nicht nur auf RGB-Bildern, sondern nutzen Reflexions- und Krümmungsinformationen, um kleinste Veränderungen an der Karosserieoberfläche auf Mikrometer-Ebene zu erfassen. Der Messaufbau von Adomea generierte eine Datenbasis, die ein hohes Potenzial für den Einsatz von Computer Vision zur weiteren Automatisierung des Arbeitsablaufs der Schadensbewertung bot.

Merantix Momentum wurde involviert, um Fehlerklassen wie Kratzer, Abschürfungen, Dellen, etc. auf der Karosserieoberfläche zu detektieren und neue Maßstäbe in der Erkennung von Fahrzeugschäden zu setzen. Die Lösung ist später auch für verschiedene Anwendungsfälle geeignet - z. B. End-of-Line-Inspektion, Fahrzeuglogistik, Leasingrückgabe oder andere Anwendungen, die eine präzise Bewertung erfordern.

Die Lösung

02

Unser Beitrag

02

Für die Entwicklung eines leistungsstarken Computer-Vision-Modells nutzte Momentum eine Datenbasis, die aus drei verschiedenen Modalitäten besteht, nämlich RGB-Werten, Krümmung und Reflektivität.

Die Herausforderung in diesem Projekt war die Komplexität der Daten und insbesondere eine sehr unausgewogene Verteilung der Daten. So waren Schäden beispielsweise in weniger als 1% der Fahrzeug-Bilddaten enthalten. Außerdem waren die vorhandenen Schäden extrem klein: Selbst für die Experten war es schwierig zu erkennen, ob die Bilder Schäden enthielten oder nicht.

Zur Lösung führte Merantix Momentum einen neuen Labeling Ansatz ein, um die Daten schnell zu annotieren und ihre Qualität zu verbessern. Die Arbeit mit der agilen und datenzentrierten Methodik ermöglichte die schnelle Generierung von annotierten Daten und die Bewältigung des Ungleichgewichts im ursprünglichen Datensatz.

Unser Ergebnis

03
94%
Zeitersparnis von 6 Minuten auf 20 Sekunden
17-40%
Verbesserung der Suche von Fahrzeugschäden (unterschiedlich je nach Klasse)
94%
Zeitersparnis von 6 Minuten auf 20 Sekunden
17-40%
Verbesserung der Suche von Fahrzeugschäden (unterschiedlich je nach Klasse)

Kontaktieren Sie uns

  • Kritische und ganzheitliche Bewertung des Ansatzes
  • Entwicklung von Leitfaden zur zuverlässigen Umsetzung
  • Kostenfrei und unverbindlich
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Wir möchten Sie kennenlernen!

Jetzt Ihre KI-Reise mit uns starten

Jetzt im Merantix Momentum Newsletter anmelden.

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.

Kontaktieren Sie uns

  • Kritische und ganzheitliche Bewertung des Ansatzes
  • Entwicklung von Leitfaden zur zuverlässigen Umsetzung
  • Kostenfrei und unverbindlich
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Wir möchten Sie kennenlernen!

Jetzt Ihre KI-Reise mit uns starten

Jetzt im Merantix Momentum Newsletter anmelden.

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.