Beschreibung von IoT: Methoden der industriellen Bildverarbeitung

Aufbau des Moduls

Praxisanteil: 50% der Vorlesungszeit, praktische Umsetzung und Experimentieren mit den gezeigten Methoden
Abschlussprojekt: Realisierung einer kleinen, abgeschlossenen Bildverarbeitungsaufgabe

Kurzer Einstig in die Grundlagen der Bildverarbeitung

Was ist Licht? Wellen- und Teilchenmodell, Strahlenoptik, Eigenschaften (Kohärenz, Polarisation)
Was ist ein Bild? Elektromagnetisches Spektrum, Farbempfinden, Farbbeschreibung
Optische Phänomene: Emission/Absorption, Brechung, Beugung, Interferenz, Fluoreszenz, Farbaddition und -subtraktion
Optik: Licht sammeln und bündeln (z.B. Mikroskop, Fernrohr, Lupe), Fehler in der Optik (Unschärfe, Verzeichnung)
Berechnung von Linsen: Abbildungsgleichung, Abbildungsmaßstab, praktische Umformung

Hardware und Systemkomponenten der Bildverarbeitung

Sensoren (Kameras): Film, Auge, Halbleiter, Pixelgröße, Quanteneffizienz, Auflösung vs. Rauschen
Sensortypen: CCD/CMOS-Sensoren, Zeile, Fläche, Farbe, monochrom, Empfindlichkeit, Spektrum, SWIR
Weitere Sensorparameter: Gamma, HDR, Weißabgleich
Shutter-Typen: Global, Rolling Shutter, Pixeltakt, Bildfolgefrequenz
Objektive: Makro-, Tele-, telezentrisch, Brennweite, Zwischenring, Brennweiten-Verdoppler
Datenschnittstellen (USB, LAN, Camlink), Protokolle (GeniCam), Spannungsversorgung

Klassiche Software-Methoden der Bildverarbeitung

Bilddaten: Speicherformat (RGB, Komprimierung), AOI (ROI)
Grundlegende Methoden der Merkmalsextraktion: Kanten (z.B. Canny, Sobel), Farbe, Muster, Kontur, Momente
Algorithmen: Gradienten, Faltung, Korrelation (Mustererkennung), Fit, Hauptkomponentenanalyse
Mathematische Filter: Medianfilter, Gaussfilter, Hochpassfilter

Künstliche Intelligenz in der Bildverarbeitung

Praxis der industriellen Bildverarbeitung

Anwendungsfelder: Qualitativ (Defekte) vs. Quantitativ (Maße)
Identifikation der Aufgabe und Best Practise zur Auswahl, Konfigurierung und Programmierung
Einflussfaktoren: Produktionsrate, Temperatur, Lieferanten, Hersteller, Stand-alone-Systeme, periphere Geräte
Interaktion: Visualisierung, Datenspeicherung, User Interface, Wartung (remote control)
Kalibrierung und Ablauf-Logik

Kenntnisse:

Studenten können grundlegende Konzepte und physikalische Eigenschaften von Licht und Bildern erklären.
Sie kennen die verschiedenen Hardware-Komponenten und deren Auswahlkriterien für Bildverarbeitungssysteme.
Klassische und moderne Bildverarbeitungsmethoden, einschließlich mathematischer und KI-basierter Ansätze, können benannt und beschrieben werden.
Sie verstehen die aktuellen Verfahren der künstlichen Intelligenz in der Bildverarbeitung sowie deren Grenzen und Validierungsmethoden.

Fertigkeiten:

Studenten sind in der Lage, geeignete Hardware für spezifische Bildverarbeitungsaufgaben auszuwählen.
Sie können klassische Bildverarbeitungsverfahren wie Kantenerkennung, Farbverarbeitung, mathematische Filter und Faltung anwenden.
Sie sind in der Lage, KI-Methoden für die Bildverarbeitung zu implementieren und deren Ergebnisse zu validieren.
Studenten können praktische Experimente durchführen, um die theoretisch erlernten Konzepte anzuwenden und zu verifizieren.
Sie können eine kleine, abgeschlossene Bildverarbeitungsaufgabe realisieren und die Ergebnisse präsentieren.

Kompetenzen:

Studenten können Bildverarbeitungslösungen charakterisieren und bewerten.
Neue Anwendungsfelder und Lösungen im Bereich der Bildverarbeitung können evaluiert und vorgeschlagen werden.
Studenten können komplexe Bildverarbeitungsaufgaben analysieren, geeignete Methoden auswählen und anwenden sowie ihr Abschlussprojekt in Form einer wissenschaftlichen Veröffentlichung zusammenfassen und verteidigen.

Vorlesungsskript, Versuchsanleitungen, Dokumentationen zu verwendeten Kameras, Objektiven, Beleuchtungssystemen, Software-Frameworks ...
Ergänzende aktuelle Fachliteratur