Fehlererkennung der Oberflächenform durch SD-Vermessung und Auswertung mit einem künstlichen neuronalen Netz View Full Text


Ontology type: schema:Chapter     


Chapter Info

DATE

1998

AUTHORS

Tilo Lilienblum , Georg Günther , Michael Küehel , Bernd Michaelis

ABSTRACT

Der Beitrag beschreibt eine Methode für die Fehlererkennung der Oberflächenform durch eine 3-D-Vermessung und anschließende Auswertung der Daten mit Hilfe eines neuronalen Netzes. Die Erkennung von Abweichungen der Oberfläche von der gewünschten Form eines Meisterobjektes erfordert normalerweise eine exakte Justierung der Objekte in einer Position. Insbesondere können Verformungen nicht ausgeglichen werden. Bei der hier vorgestellten Methode ist diese genaue Justierung nicht erforderlich. Es werden zunächst mehrere Meisterstücke in unterschiedlichen Positionen und Variationen in ein neuronales Netz eingespeichert. Beim Abruf des Netzes mit den Daten der zu überprüfenden Teile, werden nicht gespeicherte Merkmale geglättet und dadurch quasi das Meisterstück in der aktuellen Lage rekonstruiert. Die Auswertung kann dann durch einfache Differenzbildung erfolgen. Anhand eines Beispiels werden die Möglichkeiten, die diese Methode bietet, demonstriert. More... »

PAGES

515-522

References to SciGraph publications

  • 1982-11. Simplified neuron model as a principal component analyzer in JOURNAL OF MATHEMATICAL BIOLOGY
  • Book

    TITLE

    Mustererkennung 1998

    ISBN

    978-3-540-64935-9
    978-3-642-72282-0

    Identifiers

    URI

    http://scigraph.springernature.com/pub.10.1007/978-3-642-72282-0_57

    DOI

    http://dx.doi.org/10.1007/978-3-642-72282-0_57

    DIMENSIONS

    https://app.dimensions.ai/details/publication/pub.1021709405


    Indexing Status Check whether this publication has been indexed by Scopus and Web Of Science using the SN Indexing Status Tool
    Incoming Citations Browse incoming citations for this publication using opencitations.net

    JSON-LD is the canonical representation for SciGraph data.

    TIP: You can open this SciGraph record using an external JSON-LD service: JSON-LD Playground Google SDTT

    [
      {
        "@context": "https://springernature.github.io/scigraph/jsonld/sgcontext.json", 
        "author": [
          {
            "affiliation": {
              "alternateName": "Otto-von-Guericke University Magdeburg", 
              "id": "https://www.grid.ac/institutes/grid.5807.a", 
              "name": [
                "Institut f\u00fcr Proze\u00dfme\u00dftechnik und Elektronik, Otto-von-Guericke-Universit\u00e4t Magdeburg, PF 4120, D-39016\u00a0Magdeburg, Germany"
              ], 
              "type": "Organization"
            }, 
            "familyName": "Lilienblum", 
            "givenName": "Tilo", 
            "id": "sg:person.011651344541.91", 
            "sameAs": [
              "https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.011651344541.91"
            ], 
            "type": "Person"
          }, 
          {
            "affiliation": {
              "alternateName": "Carl Zeiss (Germany)", 
              "id": "https://www.grid.ac/institutes/grid.424549.a", 
              "name": [
                "Carl Zeiss Jena GmbH, D-07740\u00a0Jena, Germany"
              ], 
              "type": "Organization"
            }, 
            "familyName": "G\u00fcnther", 
            "givenName": "Georg", 
            "type": "Person"
          }, 
          {
            "affiliation": {
              "alternateName": "Carl Zeiss (Germany)", 
              "id": "https://www.grid.ac/institutes/grid.424549.a", 
              "name": [
                "Carl Zeiss Jena GmbH, D-07740\u00a0Jena, Germany"
              ], 
              "type": "Organization"
            }, 
            "familyName": "K\u00fcehel", 
            "givenName": "Michael", 
            "type": "Person"
          }, 
          {
            "affiliation": {
              "alternateName": "Otto-von-Guericke University Magdeburg", 
              "id": "https://www.grid.ac/institutes/grid.5807.a", 
              "name": [
                "Institut f\u00fcr Proze\u00dfme\u00dftechnik und Elektronik, Otto-von-Guericke-Universit\u00e4t Magdeburg, PF 4120, D-39016\u00a0Magdeburg, Germany"
              ], 
              "type": "Organization"
            }, 
            "familyName": "Michaelis", 
            "givenName": "Bernd", 
            "id": "sg:person.013373206241.79", 
            "sameAs": [
              "https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.013373206241.79"
            ], 
            "type": "Person"
          }
        ], 
        "citation": [
          {
            "id": "https://doi.org/10.1016/0893-6080(89)90044-0", 
            "sameAs": [
              "https://app.dimensions.ai/details/publication/pub.1000962546"
            ], 
            "type": "CreativeWork"
          }, 
          {
            "id": "https://doi.org/10.1016/0893-6080(89)90044-0", 
            "sameAs": [
              "https://app.dimensions.ai/details/publication/pub.1000962546"
            ], 
            "type": "CreativeWork"
          }, 
          {
            "id": "sg:pub.10.1007/bf00275687", 
            "sameAs": [
              "https://app.dimensions.ai/details/publication/pub.1041038550", 
              "https://doi.org/10.1007/bf00275687"
            ], 
            "type": "CreativeWork"
          }, 
          {
            "id": "sg:pub.10.1007/bf00275687", 
            "sameAs": [
              "https://app.dimensions.ai/details/publication/pub.1041038550", 
              "https://doi.org/10.1007/bf00275687"
            ], 
            "type": "CreativeWork"
          }
        ], 
        "datePublished": "1998", 
        "datePublishedReg": "1998-01-01", 
        "description": "Der Beitrag beschreibt eine Methode f\u00fcr die Fehlererkennung der Oberfl\u00e4chenform durch eine 3-D-Vermessung und anschlie\u00dfende Auswertung der Daten mit Hilfe eines neuronalen Netzes. Die Erkennung von Abweichungen der Oberfl\u00e4che von der gew\u00fcnschten Form eines Meisterobjektes erfordert normalerweise eine exakte Justierung der Objekte in einer Position. Insbesondere k\u00f6nnen Verformungen nicht ausgeglichen werden. Bei der hier vorgestellten Methode ist diese genaue Justierung nicht erforderlich. Es werden zun\u00e4chst mehrere Meisterst\u00fccke in unterschiedlichen Positionen und Variationen in ein neuronales Netz eingespeichert. Beim Abruf des Netzes mit den Daten der zu \u00fcberpr\u00fcfenden Teile, werden nicht gespeicherte Merkmale gegl\u00e4ttet und dadurch quasi das Meisterst\u00fcck in der aktuellen Lage rekonstruiert. Die Auswertung kann dann durch einfache Differenzbildung erfolgen. Anhand eines Beispiels werden die M\u00f6glichkeiten, die diese Methode bietet, demonstriert.", 
        "editor": [
          {
            "familyName": "Levi", 
            "givenName": "Paul", 
            "type": "Person"
          }, 
          {
            "familyName": "Schanz", 
            "givenName": "Michael", 
            "type": "Person"
          }, 
          {
            "familyName": "Ahlers", 
            "givenName": "Rolf-J\u00fcrgen", 
            "type": "Person"
          }, 
          {
            "familyName": "May", 
            "givenName": "Franz", 
            "type": "Person"
          }
        ], 
        "genre": "chapter", 
        "id": "sg:pub.10.1007/978-3-642-72282-0_57", 
        "inLanguage": [
          "de"
        ], 
        "isAccessibleForFree": false, 
        "isPartOf": {
          "isbn": [
            "978-3-540-64935-9", 
            "978-3-642-72282-0"
          ], 
          "name": "Mustererkennung 1998", 
          "type": "Book"
        }, 
        "name": "Fehlererkennung der Oberfl\u00e4chenform durch SD-Vermessung und Auswertung mit einem k\u00fcnstlichen neuronalen Netz", 
        "pagination": "515-522", 
        "productId": [
          {
            "name": "doi", 
            "type": "PropertyValue", 
            "value": [
              "10.1007/978-3-642-72282-0_57"
            ]
          }, 
          {
            "name": "readcube_id", 
            "type": "PropertyValue", 
            "value": [
              "676ece43beeceb8cd13289cb2a4f2bef1730709f2f2af818d6a74b02af09f788"
            ]
          }, 
          {
            "name": "dimensions_id", 
            "type": "PropertyValue", 
            "value": [
              "pub.1021709405"
            ]
          }
        ], 
        "publisher": {
          "location": "Berlin, Heidelberg", 
          "name": "Springer Berlin Heidelberg", 
          "type": "Organisation"
        }, 
        "sameAs": [
          "https://doi.org/10.1007/978-3-642-72282-0_57", 
          "https://app.dimensions.ai/details/publication/pub.1021709405"
        ], 
        "sdDataset": "chapters", 
        "sdDatePublished": "2019-04-15T22:55", 
        "sdLicense": "https://scigraph.springernature.com/explorer/license/", 
        "sdPublisher": {
          "name": "Springer Nature - SN SciGraph project", 
          "type": "Organization"
        }, 
        "sdSource": "s3://com-uberresearch-data-dimensions-target-20181106-alternative/cleanup/v134/2549eaecd7973599484d7c17b260dba0a4ecb94b/merge/v9/a6c9fde33151104705d4d7ff012ea9563521a3ce/jats-lookup/v90/0000000001_0000000264/records_8695_00000256.jsonl", 
        "type": "Chapter", 
        "url": "http://link.springer.com/10.1007/978-3-642-72282-0_57"
      }
    ]
     

    Download the RDF metadata as:  json-ld nt turtle xml License info

    HOW TO GET THIS DATA PROGRAMMATICALLY:

    JSON-LD is a popular format for linked data which is fully compatible with JSON.

    curl -H 'Accept: application/ld+json' 'https://scigraph.springernature.com/pub.10.1007/978-3-642-72282-0_57'

    N-Triples is a line-based linked data format ideal for batch operations.

    curl -H 'Accept: application/n-triples' 'https://scigraph.springernature.com/pub.10.1007/978-3-642-72282-0_57'

    Turtle is a human-readable linked data format.

    curl -H 'Accept: text/turtle' 'https://scigraph.springernature.com/pub.10.1007/978-3-642-72282-0_57'

    RDF/XML is a standard XML format for linked data.

    curl -H 'Accept: application/rdf+xml' 'https://scigraph.springernature.com/pub.10.1007/978-3-642-72282-0_57'


     

    This table displays all metadata directly associated to this object as RDF triples.

    101 TRIPLES      22 PREDICATES      27 URIs      20 LITERALS      8 BLANK NODES

    Subject Predicate Object
    1 sg:pub.10.1007/978-3-642-72282-0_57 schema:author N2ccdebc9e1844aa4a695512ae2b72832
    2 schema:citation sg:pub.10.1007/bf00275687
    3 https://doi.org/10.1016/0893-6080(89)90044-0
    4 schema:datePublished 1998
    5 schema:datePublishedReg 1998-01-01
    6 schema:description Der Beitrag beschreibt eine Methode für die Fehlererkennung der Oberflächenform durch eine 3-D-Vermessung und anschließende Auswertung der Daten mit Hilfe eines neuronalen Netzes. Die Erkennung von Abweichungen der Oberfläche von der gewünschten Form eines Meisterobjektes erfordert normalerweise eine exakte Justierung der Objekte in einer Position. Insbesondere können Verformungen nicht ausgeglichen werden. Bei der hier vorgestellten Methode ist diese genaue Justierung nicht erforderlich. Es werden zunächst mehrere Meisterstücke in unterschiedlichen Positionen und Variationen in ein neuronales Netz eingespeichert. Beim Abruf des Netzes mit den Daten der zu überprüfenden Teile, werden nicht gespeicherte Merkmale geglättet und dadurch quasi das Meisterstück in der aktuellen Lage rekonstruiert. Die Auswertung kann dann durch einfache Differenzbildung erfolgen. Anhand eines Beispiels werden die Möglichkeiten, die diese Methode bietet, demonstriert.
    7 schema:editor N63a226749bf9455bb61f532e82da9344
    8 schema:genre chapter
    9 schema:inLanguage de
    10 schema:isAccessibleForFree false
    11 schema:isPartOf Nc11265cc676a4a06b8a84e740260ebff
    12 schema:name Fehlererkennung der Oberflächenform durch SD-Vermessung und Auswertung mit einem künstlichen neuronalen Netz
    13 schema:pagination 515-522
    14 schema:productId N147cc75b05264943b660f86edcab3e58
    15 N3957a2e06b0c4cb3a4f056ed693f8b99
    16 N54e5fde18bdf4ebbb9719cd3019bf6ae
    17 schema:publisher N4e86962e92c044068be88b01719955a6
    18 schema:sameAs https://app.dimensions.ai/details/publication/pub.1021709405
    19 https://doi.org/10.1007/978-3-642-72282-0_57
    20 schema:sdDatePublished 2019-04-15T22:55
    21 schema:sdLicense https://scigraph.springernature.com/explorer/license/
    22 schema:sdPublisher Nd4c4e57cbb1042bb88c5d182065874ba
    23 schema:url http://link.springer.com/10.1007/978-3-642-72282-0_57
    24 sgo:license sg:explorer/license/
    25 sgo:sdDataset chapters
    26 rdf:type schema:Chapter
    27 N029555f1df424d87adfb384db059f721 rdf:first N9320f9d557554aedaca1782160e82329
    28 rdf:rest N5dd039a4d15c45c19abe7bce016500f7
    29 N147cc75b05264943b660f86edcab3e58 schema:name readcube_id
    30 schema:value 676ece43beeceb8cd13289cb2a4f2bef1730709f2f2af818d6a74b02af09f788
    31 rdf:type schema:PropertyValue
    32 N2c13d020f03147f38bb1fe8fafcaecb3 schema:familyName May
    33 schema:givenName Franz
    34 rdf:type schema:Person
    35 N2ccdebc9e1844aa4a695512ae2b72832 rdf:first sg:person.011651344541.91
    36 rdf:rest Na4f451d35bbc4948b16a7149ff09cbf3
    37 N3957a2e06b0c4cb3a4f056ed693f8b99 schema:name dimensions_id
    38 schema:value pub.1021709405
    39 rdf:type schema:PropertyValue
    40 N4ba8295fc4124032bbe23abe88592b63 schema:familyName Ahlers
    41 schema:givenName Rolf-Jürgen
    42 rdf:type schema:Person
    43 N4e86962e92c044068be88b01719955a6 schema:location Berlin, Heidelberg
    44 schema:name Springer Berlin Heidelberg
    45 rdf:type schema:Organisation
    46 N54e5fde18bdf4ebbb9719cd3019bf6ae schema:name doi
    47 schema:value 10.1007/978-3-642-72282-0_57
    48 rdf:type schema:PropertyValue
    49 N5dd039a4d15c45c19abe7bce016500f7 rdf:first sg:person.013373206241.79
    50 rdf:rest rdf:nil
    51 N63a226749bf9455bb61f532e82da9344 rdf:first N8eb0741ccfb24cabbc84271f8b36a3c0
    52 rdf:rest N9220c3fda2da427aab5a6fbbf5dceb40
    53 N8eb0741ccfb24cabbc84271f8b36a3c0 schema:familyName Levi
    54 schema:givenName Paul
    55 rdf:type schema:Person
    56 N9220c3fda2da427aab5a6fbbf5dceb40 rdf:first Nd860c6cc93844122932e23f3519de42c
    57 rdf:rest Ncc372ab9e5b34b26a0d0338b1bab04a1
    58 N9320f9d557554aedaca1782160e82329 schema:affiliation https://www.grid.ac/institutes/grid.424549.a
    59 schema:familyName Küehel
    60 schema:givenName Michael
    61 rdf:type schema:Person
    62 Na4f451d35bbc4948b16a7149ff09cbf3 rdf:first Ne132a0c8052c45528b5ba0b8e8b7062d
    63 rdf:rest N029555f1df424d87adfb384db059f721
    64 Nc11265cc676a4a06b8a84e740260ebff schema:isbn 978-3-540-64935-9
    65 978-3-642-72282-0
    66 schema:name Mustererkennung 1998
    67 rdf:type schema:Book
    68 Ncc372ab9e5b34b26a0d0338b1bab04a1 rdf:first N4ba8295fc4124032bbe23abe88592b63
    69 rdf:rest Ne9782a18a19f4d9695add489ed07040d
    70 Nd4c4e57cbb1042bb88c5d182065874ba schema:name Springer Nature - SN SciGraph project
    71 rdf:type schema:Organization
    72 Nd860c6cc93844122932e23f3519de42c schema:familyName Schanz
    73 schema:givenName Michael
    74 rdf:type schema:Person
    75 Ne132a0c8052c45528b5ba0b8e8b7062d schema:affiliation https://www.grid.ac/institutes/grid.424549.a
    76 schema:familyName Günther
    77 schema:givenName Georg
    78 rdf:type schema:Person
    79 Ne9782a18a19f4d9695add489ed07040d rdf:first N2c13d020f03147f38bb1fe8fafcaecb3
    80 rdf:rest rdf:nil
    81 sg:person.011651344541.91 schema:affiliation https://www.grid.ac/institutes/grid.5807.a
    82 schema:familyName Lilienblum
    83 schema:givenName Tilo
    84 schema:sameAs https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.011651344541.91
    85 rdf:type schema:Person
    86 sg:person.013373206241.79 schema:affiliation https://www.grid.ac/institutes/grid.5807.a
    87 schema:familyName Michaelis
    88 schema:givenName Bernd
    89 schema:sameAs https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.013373206241.79
    90 rdf:type schema:Person
    91 sg:pub.10.1007/bf00275687 schema:sameAs https://app.dimensions.ai/details/publication/pub.1041038550
    92 https://doi.org/10.1007/bf00275687
    93 rdf:type schema:CreativeWork
    94 https://doi.org/10.1016/0893-6080(89)90044-0 schema:sameAs https://app.dimensions.ai/details/publication/pub.1000962546
    95 rdf:type schema:CreativeWork
    96 https://www.grid.ac/institutes/grid.424549.a schema:alternateName Carl Zeiss (Germany)
    97 schema:name Carl Zeiss Jena GmbH, D-07740 Jena, Germany
    98 rdf:type schema:Organization
    99 https://www.grid.ac/institutes/grid.5807.a schema:alternateName Otto-von-Guericke University Magdeburg
    100 schema:name Institut für Prozeßmeßtechnik und Elektronik, Otto-von-Guericke-Universität Magdeburg, PF 4120, D-39016 Magdeburg, Germany
    101 rdf:type schema:Organization
     




    Preview window. Press ESC to close (or click here)


    ...