Aus den Unternehmen

1. Scientific Colloquium

Dienstag 15. Februar 2022 - Das Scientific Colloquium (SC) der Bergischen Universität ist der direkte Nachfolger des ehemaligen "Wissenschaftlichen Kolloquiums". Dieses war über viele Jahre ein fester Bestandteil im Austausch zwischen Wissenschaft und Wirtschaft.

Unter der Schirmherrschaft Prof. Dr.-Ing. Ulrich Jung findet nun eine grundsätzliche Neuausrichtung statt. War das Wissenschaftliche Kolloquium in der Vergangenheit rein auf druckbrachen-spezifische Themen fokussiert, sehen wir heute, dass aktuelle Themen und Fragestellungen mehr und mehr an Allgemeingültigkeit gewinnen und oft leicht auf andere Industriezweige übertragbar sind. Ein Beispiel sind hier Anwendungen auf Basis von neuronalen Netzen (ANNs).
Das Scientific Colloquium soll einen abwechslungsreichen Dialog zwischen Mitarbeitern der Universität, Unternehmern und Studierenden ermöglichen und dabei immer aktuelle und zukunftsorientierte Themengebiete und Fragestellungen in den Fokus rücken.
So wird das neue SC zwar immer noch drucktechnische Themen behandeln, jedoch soll sich der Blick ebenso auf andere Industrien und Anwendungsmöglichkeiten aktueller Forschung richten.

Vor diesem Hintergrund werden sich die ersten beiden SCs (24.03.22, 16:00 Uhr & 21.04.22, 16:00 Uhr) in diesem Jahr thematisch schwerpunktmäßig mit Forschungen und Fallbeispielen sowie den damit verbundenen Chancen und Herausforderungen rund um ANNs für die Industrie drehen. Nicht zuletzt wird immer wieder die Frage gestellt: Wie können Industrieunternehmen den Einstieg in das zentrale Thema „ANNs“ finden?

Bei der Veranstaltung handelt es sich um eine virtuelle Podiumsdiskussion. Das 1. Scientific Colloquium wird ausschließlich digital und in englischer Sprache stattfinden.


Bitte registrieren Sie sich um Zugang zu der Zoomveranstaltung am 24.03.22 zu erhalten und mehr über das Scientific Colloquium zu erfahren:
https://bit.ly/BUW-SC


Vorträge:
Cold-Cases: Vorhersage von kaschierungsbedingten Farbverschiebungen mittels maschineller Lernverfahren (ANNs)
Eine Vielzahl von Druckerzeugnissen wird veredelt, um verschiedene physikalische Eigenschaften zu erzielen. Dazu gehören z. B. Lackierung und Laminierung, die einen erheblichen Einfluss auf das farbliche Erscheinungsbild des Endprodukts haben können. Farbmanagementprozesse sind nicht darauf ausgelegt, den Einfluss einer Vielzahl von Veredelungen zu berücksichtigen. Die Folge davon können Farbabweichungen zwischen dem Druckergebnis und dem Endprodukt sein. Die Farbvorhersage mit physikalischen Modellen ist komplex und erfordert ein umfassendes Verständnis der beteiligten optischen Phänomene. Diese Fallstudie zeigt, wie Techniken des maschinellen Lernens eingesetzt werden können, um die bestehenden Herausforderungen auf einfache Weise zu bewältigen.

Referent:
Tim Stiene M.Sc., Bergische Universität Wuppertal

Tim Stiene ist wissenschaftlicher Mitarbeiter am Lehrstuhl für Druckverfahrenstechnik. Nach seinem Masterabschluss in Druck- und Medientechnik hat er sich mit verschiedenen Themen im Bereich der optischen Aufheller und der UV-Härtung beschäftigt. Derzeit arbeitet er an seiner Dissertation zum Thema Thermochromie von Farbmitteln.



Eine Kooperation aus der Praxis: Wie die Laudert GmbH + Co. KG & die BUW einem künstlichen neuronalen Netz das Freistellen von Bildern beibringen
Das Ausschneiden von Bildhintergründen in Foto- und Videoproduktionen begegnet uns im Medienalltag häufiger. Viele Ansätze basieren immer noch auf dem sogenannten „Keying“. Der Bildhintergrund wird in dieser Methode nur dort weggeschnitten, wo eine bestimmte Schlüsselfarbe zu sehen ist, z.B. Grün. KI-basierte Anwendungen arbeiten dagegen Bildkontext bezogen und finden sich inzwischen auch immer häufiger im Alltag wieder. Beispielsweise in Video-Konferenz Software oder bei Foto Apps in Smartphones. Häufig sind die Ergebnisse zweckmäßig aber erfüllen bei weitem nicht die Qualitätsansprüche, wie sie für eine Anwendung im Bereich der Werbemittelproduktion notwendig wäre. Aus diesem Grund wird in der Medienproduktion im Bereich Freistellung immer noch manuell gearbeitet.
Tobias Enk zeigt welche besonderen Herausforderungen sich bei der Entwicklung einer hochauflösenden Freisteller-KI am Beispiel der Modefotografie ergeben und wie am Ende dieser Kooperation ein produktives System bei Laudert GmbH + Co. KG entstanden ist.

Referent:
Tobias Enk M.Sc., Bergische Universität Wuppertal
Tobias Enk ist Wissenschaftlicher Mitarbeiter und forscht an Anwendungen von Künstlicher Intelligenz im Bereich der Druck- und Medientechnik.