德國宇航中心的研究人員說："為了對沉積物進行自動檢查，必須對圖像數據中的制造缺陷進行可靠的機器分類。機器學習領域的方法非常適用于這種纖維放置缺陷的分類。然而，這些方法往往有一個缺點，即算法的決定難以理解。這對于人工神經網絡或一般的深度學習方法來說尤其如此。為了能夠在這里對分類質量和機器決策進行全面評估，必須研究個別像素或小圖像區域對分類決策的意義"。

　　
因此，德國宇航中心的研究人員開發了一種方法，在此基礎上，有可能將分類決定歸于記錄的缺陷圖像的重要圖像區域及其物理特性。為此，記錄并檢查了自動纖維放置（AFP）制造過程中纖維鋪設缺陷的激光光截面高度剖面掃描。

　　
這些結果對基于攝像頭的檢測系統的開發者來說是很有幫助的，這些系統用于復合材料的輕量化。此外，它們也是認證用于航空航天生產的機器學習算法的個基礎。

　　
圖片機器人支持的測試裝置，用于自動記錄鋪設錯誤的圖像數據集