Skip to content
Technische Universität Berlin Deutsch
Course catalog and module transfer system

image based automation IModule description #50190 / Version 3

← Module page Deutsche Fassung
This module description is not valid in the current semester (Winter semester 2026/27). Current version (v11)
Module / Version#50190 / #3
ValidityWS 2015/16 – WS 2015/16
Available language(s)German
Credit points6
Person responsible for the moduleKrüger, Jörg
GradingGraded
Exam formatPortfolio examination
Language(s) of instructionGerman

Affiliation

FacultyFakultät V
InstituteInstitut für Werkzeugmaschinen und Fabrikbetrieb (IWF)
Academic chair35361400 FG Industrielle Automatisierungstechnik

Contact

OfficePTZ 5
Contact personHartisch, Richard Matthias
E-mail addresslehre@iat.tu-berlin.de
Websitehttp://www.iat.tu-berlin.de

Learning outcomes

Absolventen des Moduls verfügen über:
- Kenntnisse in typischen Anforderungen und praktischen Lösungen von Bildverarbeitungssystemen zur Steuerung und Regelung in der Produktionstechnik und Qualitätskontrolle
- Fertigkeiten im Umgang mit Optiken Kameras Beleuchtungen Rechnern sowie Softwaretools
- Kompetenzen in:
* Auswahl und Integration von Komponenten industrieller Bildverarbeitungssysteme
* Optik (Abbildungsgesetze Farbspektrum Sensorprinzipien)
* Bedienung mehrerer industrieller Bildverarbeitungssoftware
* Auswahl und Berechnung anwendungsfallbezogen relevanter Merkmale aus Bilddaten
* grundlegenden Methoden von Bildverarbeitungsoperatoren
* Anwendung ingenieurwissenschaftlicher Methoden zur Anfertigung von Protokollen der Experimente

Content

Die Vorlesung Bildgestützte Automatisierung vermittelt anhand unterschiedlicher Praxisbeispiele (z.B. optische Fehlerprüfung von Glasrohr, optische Vermessung von Radsätzen, Zeichen- und Objekterkennung) das breite Anwendungsspektrum der Bildverarbeitung zur Automatisierung industrieller Prozesse. Dabei werden die Grundlagen der digitalen Bildverarbeitung vermittelt: Visuelle Wahrnehmung, Farbräume, Bilderfassung (Optiken, Beleuchtung, bildgebende Sensoren, Kalibrierung), Bildverarbeitung (Kantenfilter, Rauschunterdrückung), Grundlagen der Mustererkennung.
In der Übung Bildgestützte Automatisierung werden überwiegend Problemstellungen aus der industriellen Bildverarbeitung aufgegriffen.

Dazu werden beispielsweise anhand eines Zeilenkameraaufbaus Webfehler in Textilien erkannt, mit einer industriellen Flächenkamera die Positionierung von Chips auf einer Platine überprüft oder mit einer intelligenten Kamera Signale an eine SPS ausgegeben.
Die Auswahl und Kalibrierung von Objektiven und Beleuchtung wird durchgeführt.
Unterschiedliche Verfahren zur Rauschunterdrückung und Mustererkennung werden anwendungsbezogen genutzt.
Es werden grafische Entwicklungsumgebungen professioneller industrieller Bildverarbeitungssoftwarehersteller eingeführt und angewendet.

Module components

Compulsory area

The following courses are mandatory for this module:

CoursesTypeNumberFrequencyLanguageHours per weekCourse catalog
Bildgestützte Automatisierung ILecture481 Winter and summer semester[de]2 ISIS
Bildgestützte Automatisierung IExercise0536 L 118 Winter and summer semester[de]2 ISIS

Courses in the course catalog

Courses created from the teaching units of this module.

Winter semester 2026/27 (2)

Bildgestützte Automatisierung I (Lecture) 1

All groups of this course in the catalog

Bildgestützte Automatisierung I (Exercise) 1

All groups of this course in the catalog

Workload and credit points

Bildgestützte Automatisierung I (Lecture)

Workload descriptionMultiplierHoursTotal
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Bildgestützte Automatisierung I (Exercise)

Workload descriptionMultiplierHoursTotal
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

The workload of the module adds up to 180 hours. The module therefore comprises 6 credit points.

Description of teaching and learning methods

In der Vorlesung finden verschiedene didaktische Mittel Anwendung, die eine Unterstützung der Lehre und des Lernens bieten, wie u.a. Mindmap und Metaplan.
Experimentelle und analytische Gruppenübungen lehren den praktischen Einsatz von Versuchaufbauten, die den gegenwärtigen Stand der Technik industrieller Maschinensysteme repräsentieren.
Die Übungen beinhalten darauf aufbauend mündliche Diskussionsrunden, die eine gezielte Förderung der Studenten ermöglicht.

Requirements for participation and examination

Desirable prerequisites for participation in the courses:

a) obligatorisch: BSc in ingenieurtechnischem Studienfach b) wünschenswert: -

Mandatory requirements for the module examination registration:

This module has no examination requirements.

Completion of the module

GradingGraded
Exam formatPortfolio examination
LanguageGerman

Test elements

NamePoints/WeightCategoryDuration/Extent
mündliche Rücksprache50
Übungsprotokolle50

Exam description

Prüfungsform ist Portfolioprüfung. Die Gesamtbenotung ergibt sich aus einer mündliche Rücksprache (Anteil an der Gesamtnote 50%) und den Übungsabnahmen in Form schriftlicher Protokolle.

Zu erreichende Gesamtpunktezahl: 100

Notenschlüssel in Punkten:
95,0 bis 100,0 ... 1,0
90,0 bis 94,9 ..... 1,3
85,0 bis 89,9 ..... 1,7
80,0 bis 84,9 ..... 2,0
75,0 bis 79,9 ..... 2,3
70,0 bis 74,9 ..... 2,7
65,0 bis 69,9 ..... 3,0
60,0 bis 64,9 ..... 3,3
55,0 bis 59,9 ..... 3,7
50,0 bis 54,9 ..... 4,0
0,0 bis 49,9 ....... 5,0

Duration of the module

The following number of semesters is estimated for taking and completing the module: 1 semester(s).

This module can be started in the following semesters: Winter and summer semester.

Maximum number of participants

The maximum capacity of participants is 36.

Registration procedures

Die Anmeldung für die Übung findet über das ISIS2-System statt.
https://www.isis.tu-berlin.de/

Recommended reading, lecture notes

Lecture notes

unavailable

Electronic lecture notes

available – https://www.isis.tu-berlin.de/2.0/course/index.php?categoryid=198

Recommended literature

  • B. Jähne, Digitale Bildverarbeitung
  • C. Demant, Industrielle Bildverarbeitung
  • C.-E.Liedtke, M. Ender; Wissensbasierte Bildverarbeitung
  • H. Bässmann, J. Kreyss; Bildverarbeitung Ad Oculos (für den Optik Teil)
  • W. Burger, M. J. Burge; Digitale Bildverarbeitung: Eine Einführung mit Java und ImageJ

Assigned programs

This module is not used in any program.

Dieses Modul ist unter anderem geeignet für die Masterstudiengänge: - Produktionstechnik - Konstruktion und Fertigung - Physikalische Ingenieurwissenschaft - Elektrotechnik - Informationstechnik im Maschinenwesen - Technische Informatik

Miscellaneous

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