Publikationen & Patente
Wissenschaftliche Veröffentlichungen, Patente und Forschungsberichte unseres Teams.
Patente und Schutzrechte
Im Rahmen seiner Tätigkeit als Wissenschaftler und Projektleiter an der Technischen Hochschule Ingolstadt war Dr. Mühenad Bilal als Erfinder an mehreren nationalen und internationalen Schutzrechtsanmeldungen beteiligt. Die Entwicklungen entstanden im Bereich optischer Messtechnik, innovativer Beleuchtungssysteme und KI-gestützter Inspektionsverfahren.
EP4130720 – Object Illumination
| Status | Europäisches Patent erteilt |
| Rolle | Erfinder |
| Patentinhaber | Technische Hochschule Ingolstadt |
WO2025/021628 – Sample Illumination
| Status | Internationale Veröffentlichung |
| Rolle | Erfinder |
| Anmelder | Technische Hochschule Ingolstadt |
PCT-Anmeldung
PCT/EP2024/070322 – Sample Illumination
| Status | Internationale Patentanmeldung |
| Rolle | Erfinder |
| Anmelder | Technische Hochschule Ingolstadt |
Die genannten Patente und Patentanmeldungen wurden im Rahmen der Tätigkeit von Dr. Mühenad Bilal an der Technischen Hochschule Ingolstadt entwickelt. Die Schutzrechte sind Eigentum der jeweiligen Patentinhaberin. Die Darstellung erfolgt ausschließlich zur Dokumentation der wissenschaftlichen Leistungen und der Beteiligung als Erfinder.
Wissenschaftliche Veröffentlichungen
Peer-reviewed Artikel, Konferenzbeiträge und Forschungsberichte.
Automatized End Mill Wear Inspection Using a Novel Illumination Unit and Convolutional Neural Network
Mühenad Bilal, Ranadheer Podishetti, Leonid Koval, Mahmoud A. Gaafar, Daniel Grossmann, Markus Bregulla
Dargestellt wird eine neuartige Methode zur automatisierten Verschleißerkennung an Schaftfräsern – kombiniert aus einem speziellen Beleuchtungssystem und einem CNN-Modell. Die Validierung erreichte einen mIoU-Wert von 0,99 für die Werkzeugsegmentierung.
Benchmarking CNN Architectures for Tool Classification: Evaluating CNN Performance on a Unique Dataset Generated by Novel Image Acquisition System
Mühenad Bilal, Ranadheer Podishetti, Daniel Grossmann, Markus Bregulla
Vorstellung des ToolSurface-144-Datensatzes mit 144 Werkzeugklassen unter variierenden Beleuchtungsbedingungen. Benchmarking von 6 CNN-Architekturen – EfficientNet-B0 erreichte mit Fine-Tuning eine Klassifikationsgenauigkeit von 99 %.
Forschungsbericht / Abschlussbericht
Projektabschlussbericht, Jahr. Zusammenfassung der Projektergebnisse und Erkenntnisse.
Interesse an unserer Forschung?
Sprechen Sie uns an – wir freuen uns über wissenschaftlichen Austausch und Kooperationen.
Kontakt aufnehmen