‚In situ‘-Bildverarbeitungsprüfung von thermischen Beschichtungen in Flugtriebwerken (NBank, TinTin)

Das vorliegende Teilprojekt findet innerhalb der „Technologieinitiative Triebwerksinstandsetzung“ (TinTin) statt, welche ein Verbundprojekt zwischen der MTU Maintenance GmbH, der TU Braunschweig und der Leibniz Universität Hannover darstellt. Der Forschungsschwerpunkt liegt hierbei in der Entwicklung von innovativen Wartungstechnologien für Flugzeugtriebwerke. Innerhalb des Teilprojekts sollen mithilfe von Bildverarbeitungsalgorithmen Inspektionsprozesse teilautomatisiert und somit effizienter und flexibler gestaltet werden. Dabei ist vor allem eine Quantifizierung von Schadenserscheinungen interessant, da mithilfe vergleichbarer Schadensmaße reparaturfähige Triebwerkskomponenten identifiziert und gesichert werden können.

Dieses Teilprojekt umfasst die Entwicklung einer Software, welche die endoskopische Inspektion von Beschichtungsflächen innerhalb von Flugtriebwerken unterstützt. Dabei wird die Software endoskopische Videodaten aus dem Inspektionsprozess analysieren und eine Quantifizierung der Beschichtungsflächen durchführen. Dies hat zur Folge, dass zum einen deutlich genauere Maße berechnet werden können und zum anderen der Inspekteur mittels verschiedener Visualisierungen während des Prozesses unterstützt werden kann.

Innerhalb der Algorithmik findet die Quantifizierung der Beschichtungsschäden mithilfe von Maschinellem Lernen statt. Im Zuge des Forschungsvorhabens werden hierfür verschiedene Netzwerkstrukturen von Convolutional Neuronal Networks (CNN) untersucht sowie neue Trainingsmethoden entwickelt, um die Netzwerke an den vorliegenden Anwendungsfall anzupassen.