Fahrzeugteilesegmentierung für die Verbesserung der Schadenserkennung

Quick Check

Ausgangssituation

Bei der optischen Inspektion von Fahrzeugen werden Kameraaufnahmen der Fahrzeuge von einer KI analysiert und Defekte wie Kratzer, Dellen oder Felgenschäden erkannt. Da die Bilder der Fahrzeuge jedoch nicht unter kontrollierten Bedingungen, sondern im Freien aufgenommen werden, spiegelt sich die Umgebung auf dem Lack und in den Fenstern. Diese Spiegelungen können von der KI mit Kratzern verwechselt werden. Es kommt zu False Positives bei der Schadenserkennung. Eine wichtige Information bei der Schadenserkennung ist außerdem das beschädigte Bauteil. Da die Reparaturkosten abhängig vom beschädigten Fahrzeugteil sind, lassen sich über Ortsinformationen die Reparaturkosten genauer abschätzen.

Lösungsidee

Durch eine KI-basierte Segmentierung eines Fahrzeugs in einzelne Fahrzeugteile (z. B. Tür, Motorhaube, Stoßstange, Felgen, Reifen, Spiegel) kann die Zuverlässigkeit der bereits entwickelten KI-Oberflächeninspektion und Fahrzeugdokumentation erhöht werden. Denn bestimmte Bereiche am Fahrzeug weisen typische Fehler auf (z. B. Felgenschäden), die nur dort auftreten. Andere Bereiche können bei der Inspektion unberücksichtigt bleiben und dadurch Fehlklassifikationen vermieden werden (z. B. Reflexionen der Umgebung in den Fenstern der Fahrzeuge oder typische Verschmutzungen im Winter an den Kotflügeln).

KI-Fortschrittszentrum_218_QC_Fahrzeugteilesegementierung_Abb1 — Abbildung 1: Erkannte Fahrzeugschäden und Reflexionen, Two Tronic

Nutzen

Durch die Fahrzeugteilesegmentierung können die einzelnen von der KI erkannten Defekte den Fahrzeugteilen zugeordnet werden. Diese Information wird nun genutzt, um fehlerhafte Detektionen von Schäden (False Positives) zu erkennen, indem für jedes Fahrzeugteil spezifische Filter definiert werden. Somit kann Vorwissen in die Schadenserkennung eingebracht und damit die Fehleranfälligkeit des Systems reduziert werden. Die Fahrzeugteilesegmentierung kann ebenfalls genutzt werden, um das beschädigte Bauteil zu bestimmen und in eine Schadensdatenbank einzutragen. Da die Reparaturkosten abhängig vom beschädigten Bauteil sind, ist diese Information wichtig für die Beurteilung der Schäden.

Umsetzung der KI-Applikation

Für die Fahrzeugteilesegmentierung wurde ein repräsentativer Datensatz von 300 Fahrzeugaufnahmen erstellt. Auf Basis dieser Daten wurde eine KI darauf trainiert, einzelne Fahrzeugteile zu segmentieren. Das Fahrzeug wurde dazu in zehn Klassen unterteilt, wie »Motorhaube«, »Felge«, »Rücklicht« oder »Scheiben«. Die einzelnen Pixel der Fahrzeugaufnahmen werden nun von der KI einer der zehn Klassen oder dem Hintergrund zugeordnet. Diese Information wird im weiteren Programmablauf mit den erkannten Schäden kombiniert, sodass die Genauigkeit der Schadenserkennung verbessert wird und das beschädigte Bauteil in einer Datenbank abgespeichert werden kann.