Industrielle 3D-Drucker sind typischerweise in speziell entwickelten und beheizten Gehäusen untergebracht. Die Installation von Leuchten zur Drucküberwachung mittels optischer Kameras ist daher kostenintensiv und umständlich. Eine elegantere Lösung ist die Verwendung von Infrarotkameras zur Überwachung der Düse, da die beheizte Düse typischerweise eine viel höhere Temperatur als ihre Umgebung aufweist und der interessierende Punkt auf einer Infrarotkamera sehr deutlich sichtbar ist, ohne dass zusätzliche Beleuchtung erforderlich ist. Für das Training eines maschinellen Lernmodells zur automatischen Erkennung von Verunreinigungen rund um eine Druckdüse ist ein spezieller Datensatz erforderlich. Die Erstellung und Kuratierung eines benutzerdefinierten Datensatzes von Infrarot-3D-Druckbildern bringt eigene Herausforderungen und Chancen mit sich:
Die erhaltenen Bilder sind genau die Art von Bildern, die das Modell zu klassifizieren versucht, es gibt also keine „redundanten Daten“.
Bildklassifizierungsmodelle werden typischerweise auf großen Datensätzen mit Millionen von Bildern trainiert, Datensätze dieser Größe sind jedoch mit selbst erstellten Datensätzen nicht möglich.
Die gesammelten Bilder können erhebliche Unterschiede aufweisen, wenn sie aus unterschiedlichen Quellen stammen, beispielsweise von verschiedenen Druckern.