Im Rahmen des Produktionsprozesses kann es zu Qualitätsmängeln kommen, welche in späteren Folgekosten resultieren würden. Mit dem Ziel der stetigen Qualitätsverbesserung strebt Volkswagen langfristig die Einführung einer automatisierten Inline-Qualitätskontrolle an. Dadurch soll eine gleichbleibend hohe Qualität der produzierten Teile sichergestellt werden.
Zu Beginn des Projektes stand eine ausführliche Einarbeitung in die Themengebiete an, in denen sich das Projektvorhaben befand, die die Studierenden außergewöhnlich gut meisterten. Dazu gehörten unter anderem Themen wie Computer Vision, künstliche neuronale Netze (NN) und Convolutional Neural Networks (CNN). Danach folgten vorbereitende Tätigkeiten wie der Analyse von Bilddaten, der Einarbeitung in verschiedene Python-Bibliotheken für maschinelles Lernen und der Entwicklung einer Labeling-Strategie, mit deren Hilfe Fehler auf Bildern markiert und kategorisiert werden. Abschließend erfolgte das Training verschiedener Deep-Learning-Modelle auf den Bilddaten von Volkswagen, die vom Projektteam zusätzlich mit synthetisch erzeugten Fehlerbildern angereichert wurden.
