Airbus setzt künstliche Intelligenz und Deep Learning für die automatische Mängelerkennung ein
„Der Schlüssel zum Erfolg war, dass wir den Code in sehr kurzer Zeit testen, ändern, trainieren und erneut testen konnten.“
Wichtigste Ergebnisse
- Einsatz eines integrierten Tools, um Deep-Learning-Modelle zu entwerfen, zu trainieren und bereitzustellen
- Durchführung der interaktiven Prototypisierung und Tests innerhalb eines sehr kurzen Zeitraums
- Übersetzung von MATLAB Programmcode direkt in CUDA Code
Wie erstellt man ein robustes durchgängiges KI-Modell, um automatisch Mängel an Rohren in einem Luftfahrzeug zu erkennen? Das war die große Herausforderung für Airbus. Das Unternehmen setzte MATLAB® ein, um in kurzer Zeit bedarfsgerechte Deep-Learning-Modelle zu prototypisieren und zu entwickeln.
In Zusammenarbeit mit dem Team der MathWorks Consulting Services übernahm Airbus MATLAB bei den drei wichtigsten Schritten im Verfahren. Der erste Schritt bestand darin, Deep-Learning-Modelle von Grund auf zu erstellen und zu trainieren, um sie dann u. a. zur semantischen Segmentierung oder als unkomplizierte, interaktive Umgebung zur Kennzeichnung von Videos einzusetzen. Mit der Position der Belüftungsschlitze und der Leitungen am Rohr, die das Deep-Learning-Modell in MATLAB gefunden hatte, wurden die vom Branchenstandard geforderten Entfernungen und Winkel gemessen. Danach musste die Mängelanalyse in Echtzeit anzeigbar sein. Der letzte Schritt war die automatische Übersetzung des MATLAB Programmcodes in CUDA-Code ohne Programmierkenntnisse, um ihn direkt im Embedded-System bereitzustellen.
