Ein talentiertes Team von Maschinenbauingenieuren der US-amerikanischen Purdue University hat die erste umfassende und kommentierte Open-Source-Datenbank mit mehr als 58.000 mechanischen 3D-Teilen erstellt. Auf diese Weise möchte es Forscher dabei unterstützen, diese Bauteile in Maschinen unter Verwendung des maschinellen Lernens einzusetzen.
„Wir befinden uns im Zeitalter des „Deep Learning“ und nutzen Rechner zur visuellen Suche nach Dingen. Doch bisher hat noch niemand den Fokus auf jene Bauteile gerichtet, die in Maschinen verbaut werden: Leitungen, Lager, Motoren, Dichtungen, Schrauben und Muttern und vieles mehr. Und genau diese Komponenten spielen für uns Ingenieure und Hersteller eine entscheidende Rolle. Wir wollen in der Lage sein, eine Kamera auf ein bestimmtes Bauteil zu richten und uns vom Computer alles über dieses Teil oder die Konstruktion sagen zu lassen", erklärte Karthik Ramani, Donald W. Feddersen Distinguished Professor für Maschinenbau der Purdue University.
Ramani und sein Team experimentierten bereits in den frühen 2000er Jahren mit der visuellen Suche nach Bauteilen. Damals waren die Rechenleistungen sowie der technische Stand des maschinellen Lernens jedoch noch nicht weit genug fortgeschritten. In den vergangenen Jahren haben die Forscher erkannt, dass es beim Aufbau eines fundierten Datenbestands sowohl auf Qualität als auch auf Quantität ankommt.
„Deep-Learning-Technologien sind datenhungrig. Ein Rechner braucht zahlreiche Beispiele, um zu verstehen, was der Mensch meint und wie die Dinge miteinander in Zusammenhang stehen. Deshalb benötigten wir eine Menge an 3D-Modellen sowie eine zugrunde liegende technische Klassifizierung", erklärte Ramani.
Das Team entschied sich für eine Partnerschaft mit TraceParts, einem weltweit führenden Anbieter für digitale 3D-Inhalte aus dem technischen Bereich. Über die TraceParts API erhielten die Wissenschaftler einen unbegrenzten Zugriff auf einen extrem umfangreichen Datenbestand mit mehr als 120 Millionen 3D-CAD-Modellen industrieller Bauteile. Dabei arbeitete das Team mit dem Assistenzprofessor Qixing Huang von der University of Texas, Austin, zusammen, um andere Datenbanken nach ähnlichen 3D-Modellen zu durchsuchen. Schließlich ist es ihnen gelungen, eine Datenbank mit 58.696 mechanischen Bauteilen zusammenzustellen.
Ramani und sein Team kategorisierten die Teile unter Einsatz einer hierarchischen Taxonomiestruktur, die sich aus 68 Klassen auf Grundlage der „International Classification for Standards“ (ICS) zusammensetzt. Die ICS ist ein internationales Klassifikationssystem, das von der Internationalen Organisation für Normung (ISO) entwickelt und gepflegt wird.
„Wenn ein Rechner nun ein Bild einer Dichtungskomponente sieht, weiß er, dass sie in die Kategorie der dynamischen Dichtungen und – noch präziser – zu den Verbunddichtungen gehört", erklärte Ramani.
Die Forscher haben erst kürzlich ihre Open-Source-Datenbank veröffentlicht und rufen Wissenschaftler aus den Bereichen Computer Vision und maschinelles Lernen dazu auf, den Bestand zu nutzen und eigene Experimente zu erstellen. Im August stellten sie ihre Arbeit auf der 16. Europäischen Konferenz für Computer Vision vor.
„Wir freuen uns sehr über die Partnerschaft mit TraceParts. Da wir Zehntausende von 3D-CAD-Modellen für unsere Forschung benötigten, war der Zugriff auf die TraceParts-Datenbank eine riesige Hilfe, denn sie ist ebenso umfangreich wie hinreichend diversifiziert", fügte Karthik Ramani hinzu.
Über die Purdue University
Die Purdue University ist eine führende öffentliche Forschungseinrichtung, die praktische Lösungen für die größten Herausforderungen unserer Zeit entwickelt. Laut dem US-amerikanischen Nachrichtenmagazin U.S. News & World Report belegt die Einrichtung Platz 5 unter den innovativsten Universitäten in den USA. Sie betreibt eine weltweit einflussreiche Forschung mit außergewöhnlichen Entdeckungen. Die Purdue University setzt sowohl auf praktische Lehransätze wie auch auf Online-Unterricht und bietet ein innovatives Bildungskonzept für alle Studenten. Für die Universität spielen Finanzierbarkeit und Zugänglichkeit eine wesentliche Rolle. Dabei wird versucht, die Studiengebühren niedrig zu halten, damit so viele Studierende wie möglich ihren Abschluss schuldenfrei erreichen können. Erfahren Sie, wie die Einrichtung stets nach neuen Innovationen und bahnbrechenden Forschungsergebnissen strebt: https://purdue.edu/.
„Wir befinden uns im Zeitalter des „Deep Learning“ und nutzen Rechner zur visuellen Suche nach Dingen. Doch bisher hat noch niemand den Fokus auf jene Bauteile gerichtet, die in Maschinen verbaut werden: Leitungen, Lager, Motoren, Dichtungen, Schrauben und Muttern und vieles mehr. Und genau diese Komponenten spielen für uns Ingenieure und Hersteller eine entscheidende Rolle. Wir wollen in der Lage sein, eine Kamera auf ein bestimmtes Bauteil zu richten und uns vom Computer alles über dieses Teil oder die Konstruktion sagen zu lassen", erklärte Karthik Ramani, Donald W. Feddersen Distinguished Professor für Maschinenbau der Purdue University.
Ramani und sein Team experimentierten bereits in den frühen 2000er Jahren mit der visuellen Suche nach Bauteilen. Damals waren die Rechenleistungen sowie der technische Stand des maschinellen Lernens jedoch noch nicht weit genug fortgeschritten. In den vergangenen Jahren haben die Forscher erkannt, dass es beim Aufbau eines fundierten Datenbestands sowohl auf Qualität als auch auf Quantität ankommt.
„Deep-Learning-Technologien sind datenhungrig. Ein Rechner braucht zahlreiche Beispiele, um zu verstehen, was der Mensch meint und wie die Dinge miteinander in Zusammenhang stehen. Deshalb benötigten wir eine Menge an 3D-Modellen sowie eine zugrunde liegende technische Klassifizierung", erklärte Ramani.
Das Team entschied sich für eine Partnerschaft mit TraceParts, einem weltweit führenden Anbieter für digitale 3D-Inhalte aus dem technischen Bereich. Über die TraceParts API erhielten die Wissenschaftler einen unbegrenzten Zugriff auf einen extrem umfangreichen Datenbestand mit mehr als 120 Millionen 3D-CAD-Modellen industrieller Bauteile. Dabei arbeitete das Team mit dem Assistenzprofessor Qixing Huang von der University of Texas, Austin, zusammen, um andere Datenbanken nach ähnlichen 3D-Modellen zu durchsuchen. Schließlich ist es ihnen gelungen, eine Datenbank mit 58.696 mechanischen Bauteilen zusammenzustellen.
Ramani und sein Team kategorisierten die Teile unter Einsatz einer hierarchischen Taxonomiestruktur, die sich aus 68 Klassen auf Grundlage der „International Classification for Standards“ (ICS) zusammensetzt. Die ICS ist ein internationales Klassifikationssystem, das von der Internationalen Organisation für Normung (ISO) entwickelt und gepflegt wird.
„Wenn ein Rechner nun ein Bild einer Dichtungskomponente sieht, weiß er, dass sie in die Kategorie der dynamischen Dichtungen und – noch präziser – zu den Verbunddichtungen gehört", erklärte Ramani.
Die Forscher haben erst kürzlich ihre Open-Source-Datenbank veröffentlicht und rufen Wissenschaftler aus den Bereichen Computer Vision und maschinelles Lernen dazu auf, den Bestand zu nutzen und eigene Experimente zu erstellen. Im August stellten sie ihre Arbeit auf der 16. Europäischen Konferenz für Computer Vision vor.
„Wir freuen uns sehr über die Partnerschaft mit TraceParts. Da wir Zehntausende von 3D-CAD-Modellen für unsere Forschung benötigten, war der Zugriff auf die TraceParts-Datenbank eine riesige Hilfe, denn sie ist ebenso umfangreich wie hinreichend diversifiziert", fügte Karthik Ramani hinzu.
Über die Purdue University
Die Purdue University ist eine führende öffentliche Forschungseinrichtung, die praktische Lösungen für die größten Herausforderungen unserer Zeit entwickelt. Laut dem US-amerikanischen Nachrichtenmagazin U.S. News & World Report belegt die Einrichtung Platz 5 unter den innovativsten Universitäten in den USA. Sie betreibt eine weltweit einflussreiche Forschung mit außergewöhnlichen Entdeckungen. Die Purdue University setzt sowohl auf praktische Lehransätze wie auch auf Online-Unterricht und bietet ein innovatives Bildungskonzept für alle Studenten. Für die Universität spielen Finanzierbarkeit und Zugänglichkeit eine wesentliche Rolle. Dabei wird versucht, die Studiengebühren niedrig zu halten, damit so viele Studierende wie möglich ihren Abschluss schuldenfrei erreichen können. Erfahren Sie, wie die Einrichtung stets nach neuen Innovationen und bahnbrechenden Forschungsergebnissen strebt: https://purdue.edu/.
