Modulhandbuch BaMT2012_Mustererkennung

---

Verantwortlich: Prof. Dr. Lothar Thieling

Modul

Anerkennbare Lehrveranstaltung (LV)

• F07 IBA

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).