Damjan Hatić

• Modern society increasingly depends on visual inspection systems that must operate reliably in high-stakes environments where mistakes have serious consequences. This dissertation addresses challenges in applied computer vision: developing automated systems that match or exceed human visual judgment while providing the interpretability, efficiency, and robustness required for real-world deployment across vastly different scales and domains. Two critical areas are investigated where rapid, accurate visual assessment can mean the difference between safety and catastrophe. In manufacturing, the failure of protective thin-film coatings can lead to catastrophic equipment breakdown, yet current quality control relies on subjective human interpretation that creates bottlenecks and inconsistent standards. In humanitarian disaster response, building damage assessment is dangerous and time-consuming, creating critical delays when rapid resource allocation can save lives. These disparate problems share fundamental challenges that have resisted automation: limited annotated training data, the need for interpretable results experts can trust, and operation under resource constraints. Existing models often fail outside controlled conditions, particularly in developing regions where Western-trained models do not generalize to local materials and architectural styles. The dissertation demonstrates that problems orders of magnitude apart in spatial scale—micrometer-level surface defects to meter-scale building damage can be addressed through similar methodological approaches. For industrial applicationsfully automated quality control systems eliminate human subjectivity while providing more detailed and consistent assessment, transforming quality assurance into an integrated component of smart manufacturing compatible with Industry 4.0. For disaster response, rapid assessment using drone imagery can be deployed immediately after disasters, even where infrastructure is limited, providing standardized damage classifications that enable efficient resource allocation and faster relief coordination for Sub-Saharan African architecture that existing models cannot handle. Beyond validating a practical approach, the research yields insights into building robust computer-vision systems for high-stakes applications. Key findings demonstrate that unified approaches emphasizing feature interpretability, architectural efficiency, and systematic handling of class imbalance can bridge the gap between laboratory prototypes and production-ready systems.
• Die moderne Gesellschaft ist zunehmend auf visuelle Inspektionssysteme angewiesen, die in risikoreichen Umgebungen, in denen Fehler schwerwiegende Folgen haben, zuverlässig funktionieren müssen. Diese Dissertation befasst sich mit den Herausforderungen im Bereich der angewandten Bildverarbeitung: der Entwicklung automatisierter Systeme, die die menschliche visuelle Beurteilung erreichen oder übertreffen und gleichzeitig die Interpretierbarkeit, Effizienz und Robustheit bieten, die für den praktischen Einsatz über sehr unterschiedliche Größenordnungen und Anwendungsbereiche hinweg erforderlich sind. Die Arbeit untersucht zwei kritische Bereiche, in denen eine schnelle und genaue visuelle Beurteilung den Unterschied zwischen Sicherheit und Katastrophe ausmachen kann. In der Fertigung kann das Versagen von schützenden Dünnschichtbeschichtungen zu katastrophalen Anlagenausfällen führen, doch die derzeitige Qualitätskontrolle stützt sich auf subjektive menschliche Interpretationen, was zu Engpässen und uneinheitlichen Standards führt. Bei der humanitären Katastrophenhilfe ist die Begutachtung von Gebäudeschäden gefährlich und zeitaufwendig, was zu kritischen Verzögerungen führt, obwohl eine schnelle Zuweisung von Ressourcen Leben retten könnte. Diese unterschiedlichen Probleme haben gemeinsame grundlegende Herausforderungen, die einer Automatisierung bisher im Wege stehen: begrenzte, annotierte Trainingsdaten, der Bedarf an interpretierbaren Ergebnissen, denen Experten vertrauen können, sowie der Betrieb unter Ressourcenbeschränkungen. Bestehende Modelle versagen oft außerhalb kontrollierter Bedingungen, insbesondere in Entwicklungsregionen, in denen westlich trainierte Modelle nicht auf lokale Materialien und Architekturstile übertragbar sind. Die Dissertation zeigt, dass Probleme, die sich in ihrer räumlichen Skala um mehrere Größenordnungen unterscheiden – von Oberflächenfehlern im Mikrometerbereich bis hin zu Gebäudeschäden im Meterbereich –, mit ähnlichen methodischen Ansätzen angegangen werden können. Für industrielle Anwendungen eliminieren vollautomatische Qualitätskontrollsysteme menschliche Subjektivität und bieten gleichzeitig eine detailliertere und konsistentere Bewertung, wodurch die Qualitätssicherung zu einem integrierten Bestandteil der intelligenten Fertigung wird, der mit Industrie 4.0 kompatibel ist. Im Katastrophenschutz kann eine schnelle Bewertung anhand von Drohnenbildern unmittelbar nach Katastrophen eingesetzt werden, selbst dort, wo die Infrastruktur begrenzt ist. Dies liefert standardisierte Schadenskategorisierungen, die eine effiziente Ressourcenzuweisung und eine schnellere Koordinierung der Hilfsmaßnahmen für die Architektur in Subsahara-Afrika ermöglichen – einen Bereich, den bestehende Modelle nicht abdecken.