Modulhandbuch BaET2012_IndustrielleBildanalyse

---

Verantwortlich: Prof. Dr. Lothar Thieling

Modul

Anerkennbare Lehrveranstaltung (LV)

• F07 IBA

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).