Modulhandbuch BaMT2012_Mustererkennung


Verantwortlich: Prof. Dr. Lothar Thieling

Modul

Anerkennbare Lehrveranstaltung (LV)

Organisation

Bezeichnung
Lang BaMT2012_Mustererkennung
MID BaMT2012_BV2
MPID
Zuordnung
Studiengang BaMT2012
Studienrichtung V
Wissensgebiete BVA
Einordnung ins Curriculum
Fachsemester 5
Pflicht G
Wahl
Version
erstellt 2013-05-23
VID 1
gültig ab WS 2012/13
gültig bis

Zeugnistext

de
Mustererkennung
en
Machine Vision

Unterrichtssprache

Deutsch oder Englisch

Modulprüfung

Form der Modulprüfung
sMP Regelfall (bei großer Prüfungszahl sK)

Beiträge ECTS-CP aus Wissensgebieten
BVA 6
Summe 6

Aufwand [h]: 180


Prüfungselemente

Vorlesung / Übung

Form Kompetenznachweis

Beitrag zum Modulergebnis

Spezifische Lernziele

Kenntnisse
  • Bildaufbau erklären und programmiertechnischen Zugriff auf Bilddaten angeben und erklären (PFK.4, PFK.12)
    • Bildmatrix
    • Grauwert- und Farbbilder
    • Entwicklungsumgebung
      • Entwicklungsumgebung für die Bildverarbeitung und Bildanalyse
    • Verfahren der Segmentierung angeben und erklären (PFK.4, PFK.12)
      • Histogrammbasierte Segmentierung
      • kantenbasierte Segmentierung
  • Verfahren der Segmentierung angeben und erklären (PFK.4, PFK.12)
    • Histogrammbasierte Segmentierung
    • flächenbasierte Segmentierung
    • kantenbasierte Segmentierung
  • Merkmale und Verfahren zur Merkmalsextraktion angeben und erklären (PFK.4, PFK.12)
    • geometrische Merkmale
    • Farbmerkmale
    • Texturmerkmale
  • Verfahren der Klassifikation angeben und erklären (PFK.4, PFK.12)
    • Begriffe und Grundlagen
    • "klasische" Verfahren
    • neuronale Netze
Fertigkeiten
  • die vorgestellten Verfahren zur Segmentierung (PFK.4, PFK.12, PFK.3, PFK.5)
  • die vorgestellten Merkmale und Verfahren zur Merkmalsextraktion (PFK.4, PFK.12, PFK.3, PFK.5)
    • hinsichtlich der Einsatzfelder abgrenzen
    • hinsichtlich der Vor- und Nachteile bewerten
    • problemspezifisch parametrieren
  • die vorgestellten Verfahren zur Klassifikation (PFK.4, PFK.12, 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 sMP

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.12)
  • 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.8, PFK.12, PFK.13, 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.15)
      • Nicht zur Verfügung stehende aber benötigte BV-Module mittels Software-Entwicklungsumgebung in C implementieren und testen (PFK.8, PFK.9, PFK.10, PFK.15)
    • 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.15)
      • Validierung der Problemlösung (PFK.10, PFK.15)
      • 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.15)

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: r6 - 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