德国宇航中心的研究人员说："为了对沉积物进行自动检查，必须对图像数据中的制造缺陷进行可靠的机器分类。机器学习领域的方法非常适用于这种纤维放置缺陷的分类。然而，这些方法往往有一个缺点，即算法的决定难以理解。这对于人工神经网络或一般的深度学习方法来说尤其如此。为了能够在这里对分类质量和机器决策进行全面评估，必须研究个别像素或小图像区域对分类决策的意义"。
因此，德国宇航中心的研究人员开发了一种方法，在此基础上，有可能将分类决定归于记录的缺陷图像的重要图像区域及其物理特性。为此，记录并检查了自动纤维放置（AFP）制造过程中纤维铺设缺陷的激光光截面高度剖面扫描。
这些结果对基于摄像头的检测系统的开发者来说是很有帮助的，这些系统用于复合材料的轻量化。此外，它们也是认证用于航空航天生产的机器学习算法的个基础。
图片机器人支持的测试装置，用于自动记录铺设错误的图像数据集
