Moses - Bildgestützte Automatisierung II

Anzeigesprache

Zur Modulseite PDF generieren XML generieren

Modul / Version:
#50191 / #6

Gültigkeit:
SoSe 2020 - WiSe 2022/23

Standard-Anzeigesprache:
Deutsch

Titel des Moduls:
Bildgestützte Automatisierung II

Leistungspunkte:
6

Modulverantwortliche*r:
Krüger, Jörg

Benotung:
benotet

Prüfungsform:
Portfolioprüfung

Zugehörigkeit

Fakultät:
Fakultät V

Institut:
Institut für Werkzeugmaschinen und Fabrikbetrieb

Fachgebiet:
35361400 FG Industrielle Automatisierungstechnik

Prüfungsausschuss:
Maschinenbau

Kontakt

Sekretariat:
PTZ 5

Ansprechpartner*in:
Shevchenko, Iryna

E-Mail-Adresse:
lehre@iat.tu-berlin.de

Webseite:

http://www.iat.tu-berlin.de

Lernergebnisse

Lernergebnisse sind: - Verständnis und Anwendung verschiedener Methoden zur Merkmalsextraktion aus Bildern - Verständnis und Anwendung verschiedener Verfahren zur Klassifikation - Anwendung von Methoden zur problembezogenen Beurteilung verschiedener Algorithmen der Merkmalsextraktion/Klassifikation - Kenntnisse in weiterführenden Themen der bildgestützten Automatisierung, wie beispielsweise 3D-Bilderfassung, Thermographie, Visual Servoing, Sensorfusion, Bildfolgenverarbeitung, etc. - Selbstständiges, gruppenorientiertes Erarbeiten komplexer Problemstellungen - Anwendung ingeneurwissenschaftlicher Methoden zur Anfertigung von schriftlichen Ausarbeitungen

Lehrinhalte

Die Vorlesung setzt das Modul 'Bildgestützte Automatisierung I' fort und behandelt nach der Bilderfassung und Bild(vor)verarbeitung insbesondere die Merkmalsextraktion und Klassifikation. Weiterführende Themen der bildgestützten Automatisierung wie z.B. Bewegungsanalyse, Thermografie, Sensorfusion, 3D-Bilderfassung, Visual Servoing etc., werden vorgestellt. Das breite Anwendungsspektrum der Bildverarbeitung in der Automatisierung industrieller Prozesse wird vermittelt. In der Übung 'Bildgestützte Automatisierung II' werden die in der Vorlesung erlernten Methoden und Algorithmen für eine komplexe Problemstellung angewendet. Sukzessive wird ein Verfahren zur Verkehrszeichenerkennung mittels objektorientierter Programmiersprache und der Software-Bibliothek OpenCV realisiert. Dabei beschäftigt sich jede Übungseinheit mit einem Teilproblem (z.B. Segmentierung, Merkmalsextraktion, Klassifikation). Abschließend wird eine schriftliche Ausarbeitung in Form eines Papers angefertigt.

Modulbestandteile

Pflicht:

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	VZ
Bildgestützte Automatisierung II	VL	0536 L 114	WiSe/SoSe	Deutsch	2
Bildgestützte Automatisierung II	UE	0536 L 117	WiSe/SoSe	Deutsch	2

Arbeitsaufwand und Leistungspunkte

Bildgestützte Automatisierung II (VL):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
			90.0h(~3 LP)
Präsenzzeit	15.0	2.0h	30.0h
Vor-/Nachbereitung	15.0	4.0h	60.0h

Bildgestützte Automatisierung II (UE):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
			90.0h(~3 LP)
Präsenzzeit	15.0	2.0h	30.0h
Vor-/Nachbereitung	15.0	4.0h	60.0h

Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Die Vorlesung findet hauptsächlich in Vortragsform statt. Es finden jedoch auch verschiedene didaktische Mittel Anwendung, wie u.a. Mindmap, Lehrgespräch, Metaplan etc. Experimentelle und analytische Übungsinhalte vertiefen das in der VL vermittelte Wissen und schulen die Teamfähigkeit durch Arbeit in Gruppen. Die Übungen beinhalten Diskussionsrunden und selbstständige, kreative Auseinandersetzungen mit Problematiken der Bildgestützten Automatisierung.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

- Grundlagen der Bildverarbeitung hilfreich (Bildgestützte Automatisierung I, Digital Image Processing, o.ä.) - Grundlegende Programmierkenntnisse notwendig - B.Sc. in einem ingenieurtechnischen oder informationstechnischem Studienfach wird vorausgesetzt

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Keine Angabe

Abschluss des Moduls

Benotung

benotet

Prüfungsform

Portfolioprüfung

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache

Deutsch

Prüfungselemente

Name	Punkte	Kategorie	Dauer/Umfang
Mündliche Rücksprache zu Vorlesungsinhalten	40	mündlich	45 Min für 3 Pers.
Vorbereitungsaufgaben zu den Übungseinheiten (Kurztests bei ISIS)	20	schriftlich	5x 10 Min
Wissenschaftliche Ausarbeitung zu einem selbstgewählten Aspekt aus der Übung	40	schriftlich	4 Seiten

Notenschlüssel

Dieses Prüfung verwendet einen eigenen Notenschlüssel (siehe Prüfungsformbeschreibung).

Prüfungsbeschreibung (Abschluss des Moduls)

Die in den Prüfungselementen erreichte Leistung wird summiert. Zu erreichende Gesamtpunktezahl: 100. Notenschlüssel in Prozent: ab 95% ..... 1,0 ab 90% ..... 1,3 ab 85% ..... 1,7 ab 80% ..... 2,0 ab 75% ..... 2,3 ab 70% ..... 2,7 ab 65% ..... 3,0 ab 60% ..... 3,3 ab 55% ..... 3,7 ab 50% ..... 4,0 bis 50% .... 5,0

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Winter- und Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 40.

Anmeldeformalitäten

Die Anmeldung für die Übung findet über das ISIS-System statt. Sämtliche Kurse des Fachgebiets IAT werden ab dem 01.04. bzw. dem 01.10. zur Anmeldung freigeschaltet. Eine rechtzeitige Anmeldung sowie das Erscheinen beim Einführungstermin ist zwingend erforderlich. https://www.isis.tu-berlin.de/

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: verfügbar

Zusätzliche Informationen:
https://www.isis.tu-berlin.de/

Literatur

Empfohlene Literatur
B. Jähne, Digitale Bildverarbeitung
C. Demant, Industrielle Bildverarbeitung
C.-E.Liedtke, M. Ender; Wissensbasierte Bildverarbeitung
G. Bradski, A. Kaehler; Learning OpenCV - Computer Vision with the OpenCV Library
H. Bässmann, J. Kreyss; Bildverarbeitung Ad Oculos (für den Optik Teil)
M. S. Nixon, A. S. Aguado; Feature Extraction and Image Processing
R. Szeliski; Computer Vision: Algorithms and Applications

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Biomedizinische Technik (M. Sc.)	2	12	SoSe 2020	WiSe 2022/23
Computational Engineering Science (Informationstechnik im Maschinenwesen) (M. Sc.)	2	18	SoSe 2020	WiSe 2022/23
Maschinenbau (M. Sc.)	2	12	SoSe 2020	WiSe 2022/23
Patentingenieurwesen (M. Sc.)	1	6	SoSe 2020	WiSe 2022/23
Physikalische Ingenieurwissenschaft (M. Sc.)	2	9	SoSe 2020	WiSe 2022/23
Produktionstechnik (M. Sc.)	2	12	SoSe 2020	WiSe 2022/23
Technomathematik (M. Sc.)	1	12	SoSe 2020	WiSe 2022/23
Wirtschaftsingenieurwesen (M. Sc.)	1	7	SoSe 2020	WiSe 2022/23

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Dieses Modul ist unter anderem geeignet für die Masterstudiengänge: - Informationstechnik im Maschinenwesen - Produktionstechnik - Maschinenbau - Biomedizinische Technik - Physikalische Ingenieurwissenschaft

Sonstiges

Weitere Informationen unter http://www.iat.tu-berlin.de