@book{Tatzel2022, abstract = {Obwohl das Laserschneiden von Metallen ein etabliertes Verfahren ist, besteht ein erhebliches Verbesserungspotenzial hinsichtlich verschiedener Anforderungen an die fertigende Industrie. Dieses wird identifiziert und anschließend wird gezeigt, wie Verbesserungen mithilfe von maschinellem Lernen erzielt werden könnten. Als Grundlage dafür dient eine Datenbasis, die die verwendeten Prozessparameter, RGB-Bilder, 3D-Punktwolken und verschiedene Qualitätsmerkmale von fast 4000 Schnittkanten enthält.Although laser cutting of metals is a well-established process, there is considerable potential for improvement with regard to various requirements for the manufacturing industry. First, this potential is identified and then it is shown how improvements could be made using machine learning. For this purpose, a database was generated. It contains the process parameters, RGB images, 3D point clouds and various quality features of almost 4000 cut edges.Umfang: XIII, 205 S.Preis: 45.00 €}, address = {Karlsruhe}, author = {Tatzel, Leonie Felica}, doi = {10.5445/KSP/1000137690}, isbn = {978-3-7315-1128-1}, keyword = {cut quality, convolutional neural network, machine learning, stainless steel, Laser cutting, Schnittqualität, Maschinelles Lernen, Edelstahl, Laserschneiden, Faltendes neuronales Netz}, month = {Jan}, pages = {234}, publisher = {KIT Scientific Publishing}, title = {Verbesserungen beim Laserschneiden mit Methoden des maschinellen Lernens}, year = {2022} }