Erwartete Qualifikationen Studium (Bachelor ab 4. Semester oder Master) in Informatik, Ingenieurwesen oder Luft- und Raumfahrttechnik Sehr gute Python-Kenntnisse und Erfahrung in Computer Vision Kenntnisse in Git/GitLab sind von Vorteil

Aufgabenbeschreibung Mitarbeit an einem Forschungsprojekt im Bereich der digitalen Qualitätsbewertung additiv gefertigter (AM) metallischer Luftfahrtkomponenten. Schwerpunkt ist die Mitarbeit an der Entwicklung von Algorithmen sowie das Trainieren von Maschine – Learning Modellen zur echtzeitnahen Detektion von Anomalien im PBF-LB/M durch die Auswertung von hochaufgelösten visuellen Schichtbildern sowie die Analyse der Korrelation zwischen Anomalien und qualitätsrelevanten Bauteilmerkmalen. Bewertung eines industriellen In-Situ-Prozessüberwachungssystems mittels Streifenlichtprojektion zur Erkennung von Anomalien anhand von Punktwolken Aufsetzen und Verwendung einer Umgebung zum Semi-Supervised Labeln von Schichtbildern, z. B. mit Frameworks wie CVAT, zur Erstellung von Trainingsdatensätzen Trainieren und Vergleich von Modellen zur Anomalieerkennung und -klassifizierung auf einem GPU-Server sowie Inferenz auf Nvidia Edge Devices Modifizierung und Weiterentwicklung von Open-Source PyTorch- oder TensorFlow-Modellen zur Anomalieerkennung und -klassifizierung Refactorieren und Weiterentwicklung von Python-Code zur Analyse von hochaufgelösten Schichtbildern mittels klassischer Computer-Vision-Algorithmen