Applikationsentwicklung in der industriellen Bildverarbeitung

Applikationsentwicklung in der industriellen Bildverarbeitung

SWS 4
ECTS 5
Sprache(n) Deutsch (Standard)
Englisch
Lehrform SU mit Praktikum
Angebot im Wechsel mit anderen Fächern der gleichen Fachgruppe
Aufwand

30 Präsenzstunden Vorlesung, 30 Präsenzstunden Praktikum, 45 Stunden Vor-/Nachbereitung des Praktikums, 45 Stunden Nachbereitung der Vorlesung und Prüfungsvorbereitung

Voraussetzungen

keine besonderen, ab dem 4. Semester

Ziele

Kennenlernen und verstehen moderner Bildverarbeitungsverfahren und der zugehörigen Software- und Hardwarekomponenten. Fähigkeit, basierend auf diesen Verfahren, praxistauglichen Lösungen für industrielle Anwendungen zu entwickeln und in die Prozesssteuerung zu integrieren. Fähigkeit zur Teamarbeit.

Inhalt

Anwendung von Bildverarbeitungssoftware und Hardware.

Einführung in die Anwendungen der Bildverarbeitung:

  • Kameratechnologien und Bildeinzug
  • Lokalisieren von Objekten in 2D und 3D
  • Hochgenaue Messverfahren
  • Erkennen beliebiger Objekte
  • Lesen von Text und Codes
  • Oberflächeninspektion

Einführung in die Architektur von Bildverarbeitungssystemen:

  • Sensoren
  • Smart Cameras
  • Konfigurationssoftware
  • Bibliotheken
  • Kommunikation
Medien und Methoden

Beamer, Tafel, Bildverarbeitungssysteme HALCON und MERLIC

Literatur
  • M. Sackewitz (Herausgeber): Leitfaden zur industriellen Bildverarbeitung, Fraunhofer Verlag, 2012
  • A. Nischwitz, M. Fischer, G. Socher, P. Haberäcker: Computergrafik und Bildverarbeitung, Vieweg-Teubner, aktuelle Ausgabe.
  • C. Steger, M. Ulrich, C. Wiedemann: Machine Vision Algorithms and Applications, Wiley-VCH Verlag, 2007
Zuordnungen Curricula
SPO Fachgruppe Code ab Semester Prüfungsleistungen

IF Version 2019

FWP

IF-I-B-F41

6

mündliche Prüfung

DC Version 2020

WPF Anwendungen des maschinellen Lernens

DC-WPF-ML-05-001

5

benotete Modularbeit (40%)
benotete mündliche Prüfung (60%)

GN Version 2017

WPF Vertiefungsfächer

08-GN-WPFV-002

5

benotete Studienarbeit (40%)
benotete mündliche Prüfung (60%)

DC Version 2023

WPF Anwendungen des maschinellen Lernens

DC-WPF-ML-05-001

5

benotete Modularbeit (40%)
benotete mündliche Prüfung (60%)

IF Version 2023

FWP

IF-I-B-F41

6

mündliche Prüfung