In dieser Arbeit werden Methoden für die Inline-Überwachung umgeformter Blechteile mittels 2D-Bildverarbeitung entwickelt und deren Sensitivität hinsichtlich der Erkennung von Bauteilfehlern sowie deren Robustheit gegenüber den im Presswerk vorherrschenden lage-, umgebungs- und prozessbedingten Störeinflüssen untersucht. Um ein breites Spektrum möglicher Störeinflüsse abdecken zu können, wird ein repräsentativer Bauteiltyp ausgewählt. Dabei handelt es sich um ein PKW-Türinnenblech. Zur flächendeckenden Erfassung des ausgewählten Bauteiltyps wird ein Versuchsstand in Form eines über dem Auslaufband befindlichen Mehrkamerasystems in eine Pressenstraße integriert. Unter Berücksichtigung von Störeinflüssen werden die Methoden der nachbarschafts- und intensitätsbasierten Detektion systematisch erarbeitet. Beide Methoden basieren auf dem Prinzip der Anomaliedetektion, um die Erkennung neu auftretender Fehlervarianten zu ermöglichen. Als Datenbasis für die Evaluierung der Methoden dienen die mittels Versuchsstand aufgezeichneten Bilder von Bauteilen des ausgewählten Typs aus verschiedenen Produktionschargen.:Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis Formelzeichen 1 Einleitung 1.1 Motivation 1.2 Verfolgter Lösungsansatz und Eingrenzung der Arbeit 1.3 Aufbau der Arbeit 2 Grundlagen und Stand der Technik 2.1 Grundlagen zur Klassifizierung von Qualitätsfehlern 2.2 Grundlagen zu Anforderungen an Inline-Überwachungssysteme 2.3 Bestehende Verfahren zur optischen Überwachung mittels 3D-Formerfassung 2.3.1 Lichtschnittverfahren 2.3.2 Streifenprojektion und andere Methoden der strukturierten Beleuchtung 2.4 Grundlagen zur optischen Überwachung mittels 2D-Bildverarbeitung 2.4.1 Rechnergestützte Repräsentation von Bildern 2.4.2 Geometrische Transformationen von Bildern und Bildähnlichkeit 2.4.3 Bildakquisition und Beschreibung von Kameras 2.4.4 Beleuchtungsanordnungen 2.4.5 Zusammenspiel von Beleuchtung und Bildverarbeitung 2.5 Bestehende Verfahren zur optischen Überwachung mittels 2D Bildverarbeitung 2.5.1 Systeme mit bewegter Kamera 2.5.2 Systeme mit stationären Kameras 2.5.3 Lösungsansätze für verwandte Problemstellungen 2.6 Bestehende Verfahren zur Inline-Überwachung basierend auf weiteren Prinzipien 2.7 Fazit 3 Zielstellung 4 Anforderungsanalyse und Konzeptentwicklung 4.1 Testumgebung und Bauteilauswahl 4.2 Anforderungsanalyse 4.2.1 Sensitivität der Detektion von Bauteilfehlern 4.2.2 Robustheit der Inline-Überwachung 4.2.3 Inline-Fähigkeit, Skalierbarkeit und Transparenz 4.3 Versuchsstand 4.4 Aufbau der Datenbasis 4.5 Konzept für die Inline-Überwachung 4.6 Zusammenfassung 5 Methoden zur Vorverarbeitung 5.1 Kompensation von Lageabweichungen 5.1.1 Definition Lagevariation und -abweichung 5.1.2 Bildverarbeitungstechnische Repräsentation der Soll-Lage 5.1.3 Vorüberlegungen zur Lagekompensation 5.1.4 Eignung von Bildregistrierungsverfahren 5.1.5 Evaluierung und Optimierung 5.2 Vordergrund-/Hintergrundtrennung 5.2.1 Herausforderungen bei der V/H-Trennung 5.2.2 Lösungsansatz für die V/H-Trennung 5.2.3 Evaluierung der eingeschränkten V/H-Trennung 5.2.4 Vollständige V/H-Trennung 5.3 Zusammenfassung 6 Fehlererkennung mittels Anomaliedetektion 6.1 Lernprinzip und Umsetzung als Online-Algorithmus 6.2 Intensitätsbasierte Detektion 6.2.1 Verfahrensbeschreibung 6.2.2 Analyse des Verfahrens 6.3 Nachbarschaftsbasierte Detektion 6.3.1 Verfahrensbeschreibung 6.3.2 Analyse des Verfahrens 6.4 Zusammenfassung 7 Evaluierung und Optimierung 7.1 Versuchsvorbereitung 7.2 Optimierung von Parametern 7.3 Statistische Auswertung 7.4 Ergebnisse und Schlussfolgerungen 8 Zusammenfassung und Ausblick Literaturverzeichnis Anhang Anhang A Komponenten des Versuchsstandes und deren Interaktion Anhang B OpenCV-Methoden für die merkmalsbasierte Registrierung Anhang C Implementierung von ECC unter Nutzung von OpenCV Anhang D Parameter für die Evaluierung der Bildregistrierung Anhang E Beispielrechnung für mehrstufiges ECC-Verfahren Anhang F Algorithmen

Cardiovascular diseases are the global leading cause of death. Automated electrocardiogram (ECG) analysis can support clinicians to identify abnormal excitation of the heart and prevent premature cardiovascular death. An explainable classification is particularly important for support systems. Our contribution to the PhysioNet/CinC Challenge 2021 (team name: ibmtPeakyFinders) therefore pursues an approach that is based on interpretable features to be as explainable as possible. To meet the challenge goal of developing an algorithm that works for both 12-lead and reduced lead ECGs, we processed each lead separately. We focused on signal processing techniques based on template delineation that yield the template's fiducial points to take the ECG waveform morphology into account. In addition to beat intervals and amplitudes obtained from the template, various heart rate variability and QT interval variability features were extracted and supplemented by signal quality indices. Our classification approach utilized a decision tree ensemble in a one-vs-rest approach. The model parameters were determined using an extensive grid search. Our approach achieved challenge scores of 0.47, 0.47, 0.34, 0.40, and 0.41 on hidden 12-, 6-, 4-, 3-, and 2-lead test sets, respectively, which corresponds to the ranks 12, 10, 23, 18, and 16 out of 39 teams.