Modulhandbuch BaET2012_IndustrielleBildanalyse


Verantwortlich: Prof. Dr. Lothar Thieling

Modul

Anerkennbare Lehrveranstaltung (LV)

Organisation

Bezeichnung
Lang BaET2012_IndustrielleBildanalyse
MID BaET2012_IBA
MPID
Zuordnung
Studiengang BaET2012
Studienrichtung A,N
Wissensgebiete SPEZ
Einordnung ins Curriculum
Fachsemester 5-6
Pflicht
Wahl A,N
Version
erstellt 2013-05-23
VID 1
gültig ab WS 2012/13
gültig bis

Zeugnistext

de
Industrielle Bildanalyse
en
Machine Vision

Unterrichtssprache

Deutsch oder Englisch

Modulprüfung

Form der Modulprüfung
sMP Regelfall (bei grosser Prüfzahl: sK)

Beiträge ECTS-CP aus Wissensgebieten
SPEZ 5
Summe 5

Aufwand [h]: 150


Prüfungselemente

Vorlesung / Übung

Form Kompetenznachweis

Beitrag zum Modulergebnis

Spezifische Lernziele

Kenntnisse
  • Bildaufbau erklären und programmiertechnischen Zugriff auf Bilddaten angeben und erklären (PFK.4, PFK.11)
    • Bildmatrix
    • Grauwert- und Farbbilder
    • Entwicklungsumgebung
      • Software-Entwicklungsumgebung
        • Compiler
        • Linker
        • Debugger
      • Entwicklungsumgebung für die Bildverarbeitung und Bildanalyse
        • programmtechnischer Zugriff auf Bilddaten und Parameter
        • Überblick über die zur Verfügung stehenden BV-Module
        • Erstellung eigener BV-Module
        • Erstellung von "Algorithmenketten" auf Basis von BV-Modulen mittels grafischer Programmierung
  • Verfahren der Segmentierung angeben und erklären (PFK.4, PFK.11)
    • Histogrammbasierte Segmentierung
      • Histogrammanalyse
      • Shading und dessen Beseitung
    • flächenbasierte Segmentierung
      • Filling
      • Split and Merge
      • Region Growing
    • kantenbasierte Segmentierung
      • Konturverfolgung
      • Hough-Transformation
  • Merkmale und Verfahren zur Merkmalsextraktion angeben und erklären (PFK.4, PFK.11)
    • geometrische Merkmale
      • grundlegende Merkmale (Fläche, Umfang, Formfaktor)
      • Zentralmomente
      • normierte Zentralmomente
      • Polarabstand
      • Krümmungverlauf
      • DFT von Polarabstand und/oder Krümmungsverlauf
    • Farbmerkmale (HSI)
    • Texturmerkmale
      • Co-occurrence Matrix
      • Haralick Merkmale
  • Verfahren der Klassifikation angeben und erklären (PFK.4, PFK.11)
    • Begriffe und Grundlagen
      • Merkmalsvektor, Merkmalsraum, Objektklassen ...
      • überwachte/unüberwachte Klassifikation
      • lernende/nicht lernende Klassifikation
    • "klasische" Verfahren
      • Quadermethode
      • Minimum-Distance
      • Nearest Neighbour
      • Maximum-Likelihood
    • neuronale Netze
      • das künstliche Neuron als einfachster Klassifikator
        • Arbeitsweise
        • Aufgabe der Aktivierungsfunktion
        • Aufgabe des Bias
        • Training eines Neurons (Gradientenabstiegsverfahren)
      • Multi-Layer-Perceptron
        • Aufbau
        • Aufgabe der Layer
        • Backpropagation-Trainingsalgorithmus
      • Entwicklungsumgebung zur Erstellung und zum Training Neuronaler Netze
        • Erstellen und konfiguration neuronaler Netze
        • Training neuronaler Netze
        • Verifikation trainierter Netze
        • Erzeugung von C-Funktionen aus trainierten Netzen
Fertigkeiten
  • die vorgestellten Verfahren zur Segmentierung (PFK.4, PFK.11, PFK.3, PFK.5)
    • hinsichtlich der Einsatzfelder abgrenzen
    • hinsichtlich der Vor- und Nachteile bewerten
    • problemspezifisch parametrieren
  • die vorgestellten Merkmale und Verfahren zur Merkmalsextraktion (PFK.4, PFK.11, PFK.3, PFK.5)
    • hinsichtlich der Einsatzfelder abgrenzen
    • hinsichtlich der Vor- und Nachteile bewerten
    • problemspezifisch parametrieren
  • die vorgestellten Verfahren zur Klassifikation (PFK.4, PFK.11, PFK.3, PFK.5)
    • hinsichtlich der Einsatzfelder abgrenzen
    • hinsichtlich der Vor- und Nachteile bewerten
    • problemspezifisch parametrieren

Exemplarische inhaltliche Operationalisierung

Die Studierenden erlernen den grundlegenden Aufbau und den software-technischen Zugriff auf digitale Bilder sowie die Standard-Algorithmen der digitalen Bildverarbeitung zur Bildanalyse und Bildinterpretation. Sie erlangen die Fähigkeit zur Lösung anspruchsvoller berührungsloser Inspektions- und Klassifikationsaufgaben mittels Bildverarbeiten.

Praktikum

Form Kompetenznachweis
bPA Praktikum, Gruppenarbeit

Beitrag zum Modulergebnis
bPA Testat als Voraussetzung zur Klausur

Spezifische Lernziele

Fertigkeiten
  • siehe Fertigkeiten, die unter "Vorlesung/Übung->spezifische Lernziele->Fertigkeiten" aufgeführt sind
  • zielgerichtetes Handhaben der Software-Entwicklungsumgebung (PFK.8, PFK.9, PFK.10, PFK.11)
  • zielgerichtetes Handhaben der Entwicklungsumgebung für die Bildverarbeitung und Bildanalyse (PFK.8, PFK.9, PFK.10)
  • zielgerichtetes Handhaben der Entwicklungsumgebung zur Erstellung und zum Training neuronaler Netze (PFK.8, PFK.9, PFK.10)
Handlungskompetenz demonstrieren
  • komplexere Aufgaben in einem Kleinteam bewältigen (PSK.4, PSK.6)
  • Erarbeitung von komplexeren Problemlösungen die sich mittels Bildverarbeitung und Bildanalyse implementieren lassen
    • komplexere Problemstellungen verstehen und analysieren (PFK.1, PFK.2, PFK.3, PFK.4, PFK.5, PSK.4)
      • Systemverhalten aus spezifizierenden Texten herleiten
      • System strukturiert analysieren
        • sinnvolle Teilsysteme erkennen
        • Schnittstellen zwischen Teilsystemen erfassen
    • Gesamtsystem auf Basis von Teilsystemes modellieren (PFK.1, PFK.2, PFK.3, PFK.4, PFK.5, PFK.11, PSK.4)
      • Auswahl geeigneter bekannter Verfahren
      • Modifikation bekannter Verfahren
      • Kombination geeigneter Vefahren
    • Teilsysteme modellieren, implementieren, testen
      • Teilsysteme soweit möglich auf zur Vefürgung stehende Komponenten (BV-Module) abbilden, d.h. Modulauswahl und Parametrierung. (PFK.1, PFK.2, PFK.4, PFK.7, PFK.14)
      • Nicht zur Verfügung stehende aber benötigte BV-Module mittels Software-Entwicklungsumgebung in C implementieren und testen (PFK.8, PFK.9, PFK.10, PFK.14)
        • Compilieren (Finden syntaktischer Fehler und deren Behebung)
        • Debuggen (Finden semantischer Fehler und deren Behebung)
    • Gesamtsystem (Problemlösung) implementieren testen und validieren
      • Erstellung der Problemlösung als "Algorithmenkette" auf Basis von BV-Modulen mittels grafischer Programmierung (PFK.8, PFK.9, PFK.10)
      • Parametrierung der BV-Module (PFK.10, PFK.14)
      • Validierung der Problemlösung (PFK.10, PFK.14)
      • Auf Basis der Validierungsergebnisse in Iterationszyklen die Algorithmenkette und die Parametrierung der BV-Module anpassen. Bei Bedarf auch die BV-Module selbst modifizieren. (PFK.8, PFK.9, PFK.10, PFK.14)

Exemplarische inhaltliche Operationalisierung

Die Studierenden implementieren die Algorithmen der Bildverarbeitung in der Prorammiersprache C und entwickeln und verifizieren unter Verwendung dieser Algorithmen Verfahren für praxisnahe Problemstellungen (z.B. Klarschrifterkennung).

Topic-Revision: r15 - 01 Dec 2017, GeneratedContent
 
Diese Seite läuft auf FoswikiDas Urheberrecht © liegt bei den mitwirkenden Autoren. Alle Inhalte dieser Kollaborations-Plattform sind Eigentum der Autoren.
Ideen, Anfragen oder Probleme bezüglich Foswiki? Feedback senden