Computer-Aided Photonics

Aktuelle Forschungsergebnisse zeigen, dass die Kombination von photonischen Verfahren, insbesondere im Bereich der Bildaufnahme und Sensorik, mit Verfahren und Algorithmen aus dem Bereich des maschinellen Lernens zu neuen und innovativen Lösungen der optischen Signalverarbeitung führt.

Bislang werden Algorithmen zur Bildverarbeitung und optische Komponenten zur Bildaufnahme bzw. optische Messsysteme weitgehend unabhängig voneinander erforscht und entwickelt.

Die Entwicklung von Auswerteverfahren und Algorithmen nimmt als Ausgangspunkt z. B. die zweidimensionalen Kameradaten – eine Systementwicklung von optischen Komponenten und Algorithmen erfolgt nur selten. Es gilt daher, die synergetischen Vorteile der Kombinationen von aneinander angepassten Software- und Optikdesigns stärker als bisher zu nutzen.

Ziel dieser Fördermaßnahme ist die Entwicklung neuer optischer Systeme, die durch ein ganzheitlich gedachtes Design von Lichtquelle, Optik, Detektor, Licht-Materie-Wechselwirkung und der datenverarbeitenden Algorithmik einen Mehrwert aus den im Licht vorhandenen Informationen erzielen. Die Systeme sollen dabei wirtschaftlich und anwendungsnah sein.

Mögliche Anwendungsfelder sind beispielhaft:

• Recycling- und Abfallwirtschaft: Stoffdetektion, Sortierung, Reinheitskontrolle
• Land-, Nahrungs- und Genussmittelwirtschaft: Pflanzenzustand, Reifegrad, Kontamination
• Produktion und Sicherheit: Prozessüberwachung, Zugangskontrolle, Personen-/Lebenderkennung (z. B. bei Produktion mit Robotern)

Die Herausforderungen bestehen dabei sowohl in der Entwicklung neuer Hardware (plenoptische Kameras, Ptychographie, kohärente Beugungsabbildung), als auch in der Erforschung dazu passender Datenverarbeitungs-Lösungen, die beispielsweise auf Methoden des maschinellen Lernens, neuronaler Netze und künstlicher Intelligenz beruhen. Da je nach Anwendung eine Echtzeitfähigkeit der Systeme erwünscht oder sogar notwendig ist, sind in diesem Zusammenhang Ansätze zur schnellen Übertragung von Sensordaten und zur sensornahen Daten(vor-)verarbeitung gefragt.

Folgende Themengebiete sind dabei im Zentrum:

• Optische Bildvorverarbeitung für Convolutional Neuronal Networks (CNN)
  Bildanalysen mittels CNN sind derzeit ein zentrales Forschungs- und Entwicklungsthema verschiedener Anwendungsgebiete. Die Verarbeitung der optischen Sensordaten (teil-)autonomer Fahrzeuge oder die automatische Auswertung von Röntgen- oder Tomografieaufnahmen in der Medizintechnik sind hier beispielhaft zu nennen.
  Mit relativ geringem Aufwand lassen sich vor der Digitalisierung der Daten rein analog-optische Filterfunktionen, wie beispielsweise eine Kantenextraktion oder eine Fourier-Transformation durchführen. Die Ergebnisse können als Input für die Eingangsknoten des nachfolgenden, neuronalen Netzwerks verwendet werden. Dadurch vereinfachen sich einige der relativ aufwändigen Faltungsoperationen. Evtl. können auch Bündelungs-Operationen (pooling) in den Zwischenschichten des Netzwerks (hidden layers) damit vorweggenommen oder schneller durchgeführt werden.
• Hyperspektrale Bildgebung, 5D-Imaging
  Verfahren zur hyperspektralen Bildgebung werden derzeit hauptsächlich in der Fernerkundung eingesetzt. Es gibt jedoch eine Vielzahl von Anwendungen für bildgebende und nicht bildgebende Verfahren z. B. zur Überwachung von Prozessen in der Biotechnologie oder der Lebensmittelproduktion. Hier hat sich gezeigt, dass die Kombination von innovativen, photonischen Verfahren mit Verfahren zur Hauptmerkmalsanalyse und Mustererkennung sehr genaue Daten für die Prozessüberwachung und Prozesssteuerung liefern kann. Der Systemlösungsansatz ist hierbei entscheidend für den Mehrwert gegenüber der herkömmlichen, von der Optik losgelösten Datenanalyse.
  Beispielsweise kann die Kombination von herkömmlichen CMOS-Kameras und preiswerter LED-Beleuchtung Spektraldaten liefern, die in Verbindung mit einer entsprechenden Datenbasis und angepassten Data-Mining Verfahren recht präzise Aussagen bei einer Stoffanalyse der Stoffzusammensetzung liefern können.
• Objektidentifizierung und Objektverfolgung in der Fertigung
  Im Kontext der Digitalisierung der Fertigung (Industrie 4.0) steigt der Bedarf an Verfahren zur Identifizierung von Einzelobjekten. Dies soll nach Möglichkeit ohne eine zusätzliche Markierung der Objekte stattfinden. Aktuelle Forschungsergebnisse zeigen, dass eine Objektidentifizierung mit optischen Verfahren über die Oberflächenstruktur des Objekts lageunabhängig ist und bis zu einem gewissen Maße auch nach dem Durchlaufen von Prozessschritten möglich ist. Dies funktioniert insbesondere auch bei Halbzeugen, bei denen eine Identifizierung aufgrund geometrischer Merkmale nicht möglich ist.
  Die Kombination hochentwickelter, optischer Aufnahmeverfahren mit Methoden aus den Bereichen des maschinellen Lernens bei der optischen Merkmalsanalyse stellt eine Möglichkeit zur markierungsfreien Objektidentifizierung in digitalisierten Fertigungsprozessen dar.
• Fertigungsvorbereitung und Fertigungskontrolle bei generativen Fertigungsverfahren
  Generative Fertigungsverfahren (z. B. 3D-Druck etc.) spielen in der digitalisierten und individualisierten Fertigung eine entscheidende Rolle. Für diese Verfahren werden auf der einen Seite Verfahren zur schnellen Geometrieerfassung und zur Echtzeitfertigungskontrolle benötigt, damit eine wirtschaftliche Produktion überhaupt möglich ist. Zum anderen werden softwarebasierte Verfahren zur automatischen Konstruktion bzw. zur Entwurfsunterstützung benötigt, um qualitativ hochwertige Produkte mit kurzen Entwicklungsphasen herstellen zu können. In diesem Zusammenhang kommt auch dem nachfolgend genannten Themenfeld der Visualisierung von optischen Daten eine große Bedeutung zu. Entwicklungen neuer Visualisierungssysteme in den Bereichen Augmented Reality/Virtual Reality können dabei zum Beispiel zur Fertigungsunterstützung genutzt werden.
• Analyse und Visualisierung
  Der zunehmende Umfang von Daten, die u. a. durch photonische Verfahren gewonnen werden, erfordert die Bereitstellung von geeigneten Visualisierungs- und Darstellungsverfahren, um daraus Informationen zu gewinnen und diese nutzbar zu machen. In diesem Zusammenhang sollen speziell Verfahren untersucht werden, welche die Darstellung und Analyse von Daten, die mit photonischen oder hybriden Verfahren gewonnen wurden, ermöglichen und zum Auffinden von Mustern, Trends und Abhängigkeiten geeignet sind. Auch Systeme zur Mensch-Maschine-Interaktion sollen hiermit angesprochen werden.

Gefördert werden kooperative, vorwettbewerbliche Verbundprojekte, die zu völlig neuen oder wesentlich verbesserten technischen Systemlösungen im Bereich rechnerunterstützter Photonik führen. Kennzeichen der Projekte sollen dabei ein hohes Risiko und eine besondere Komplexität der Forschungsaufgabe sein. Für eine Lösung ist in der Regel inter- und multidisziplinäres Vorgehen und eine enge Zusammenarbeit von Unternehmen und Forschungseinrichtungen erforderlich.

Bitte beachten Sie: Dies sind nur Auszüge aus der Fördermaßnahme. Die rechtlich geltende Bekanntmachung finden Sie im amtlichen Teil des Bundesanzeigers.