Bachelor Thesis zum Thema Evaluation von semiautomatischen Labeling-Methoden für die Instanz Segmentation von Bilddaten: Anwendung von YOLO und Segment Anything Model (SAM)

Im Rahmen eines Projektes mit einem großen Industriepartner soll ein Verfahren zur automatisierten Erstellung eines geometrischen Modells mit Objekterkennung für komplexe technische Anlagen entwickelt werden. Dies stellt den ersten entscheidenden Schritt zur Entwicklung eines digitalen Zwillings dar. Hierfür wird durch den Einsatz verschiedener Sensoren in Messkampagnen ein umfangreicher Datensatz generiert, aus dem das Modell einer Anlage exemplarisch erstellt werden soll. Hierbei werden Objekte und Klassen identifiziert und redundante Daten reduziert und wo möglich, überlappende Daten fusioniert. Das Ziel besteht darin, ein 3D-Modell mit präzisen Informationen über die Lage und Verbindungen aller technisch relevanten Komponenten zu erzeugen.

Deine Bachelorarbeit fokussiert sich auf die automatisierte Erkennung technischer Komponenten mittels Ultralytics YOLO. Hierfür müssen zunächst die Trainingsdaten annotiert werden. Zudem soll evaluiert werden, ob und in welchem Umfang eine semiautomatische Annotation mit dem neuen SAM (Segment Anything Model) von Meta möglich ist. Anschließend erfolgt ein ausführliches Parametertuning zur Objektdetektion von ausgewählten Objekten mithilfe eines KI-Frameworks, insbesondere YOLO.