image based automation IModule description #50190 / Version 6
- 6 CP
- Portfolio examination
- Graded
- Winter semester
- German
This module description is not valid in the current semester (Winter semester 2026/27).
Current version (v11)
| Module / Version | #50190 / #6 |
|---|---|
| Validity | Winter semester 2022/23 – Summer semester 2023 |
| Available language(s) | German |
| Credit points | 6 |
| Person responsible for the module | Krüger, Jörg |
| Grading | Graded |
| Exam format | Portfolio examination |
| Language(s) of instruction | German |
Affiliation
| Faculty | Fakultät V |
|---|---|
| Institute | Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) |
| Academic chair | 35361400 FG Industrielle Automatisierungstechnik |
Contact
| Office | PTZ 5 |
|---|---|
| Contact person | Hartisch, Richard Matthias |
| E-mail address | lehre@iat.tu-berlin.de |
| Website | http://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
- 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 Matrixkamera 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.
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 Matrixkamera 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:
| Courses | Type | Number | Frequency | Language | Hours per week | Course catalog |
|---|---|---|---|---|---|---|
| Bildgestützte Automatisierung I | Lecture | 0536 L 108 | Winter semester | [de] | 2 | WS 2026/27 (1) ISIS |
| Bildgestützte Automatisierung I | Exercise | 0536 L 109 | Winter semester | [de] | 2 | WS 2026/27 (1) 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
- Angewandtes Maschinelles Sehen in der Automatisierung I (Vorlesung) 1. Termingruppe 0536 L 108
Bildgestützte Automatisierung I (Exercise) 1
- Angewandtes Maschinelles Sehen in der Automatisierung I (Übung) 1. Termingruppe 0536 L 109
Workload and credit points
Bildgestützte Automatisierung I (Lecture)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Bildgestützte Automatisierung I (Exercise)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 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. Inverted Classroom, Mindmap und Metaplan.
Experimentelle und analytische Gruppenübungen lehren den praktischen Einsatz von Versuchsaufbauten, die den gegenwärtigen Stand der Technik industrieller Maschinensysteme repräsentieren.
Die Übungen beinhalten Elemente des Team-Based Learning (TBL), mit Diskussionsrunden, die eine gezielte Förderung der Studierenden ermöglicht.
Experimentelle und analytische Gruppenübungen lehren den praktischen Einsatz von Versuchsaufbauten, die den gegenwärtigen Stand der Technik industrieller Maschinensysteme repräsentieren.
Die Übungen beinhalten Elemente des Team-Based Learning (TBL), mit Diskussionsrunden, die eine gezielte Förderung der Studierenden ermöglicht.
Requirements for participation and examination
Desirable prerequisites for participation in the courses:
a) obligatorisch: B.Sc. in ingenieurtechnischem Studienfach
b) wünschenswert: -
b) wünschenswert: -
Mandatory requirements for the module examination registration:
This module has no examination requirements.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Portfolio examination |
| Type of portfolio examination | 100 points in total |
| Language | German |
Test elements
| Name | Points/Weight | Category | Duration/Extent |
|---|---|---|---|
| ISIS-Test über die Vorlesungsinhalte | 50 | written | 60 min |
| Tests über das Semester verteilt, im Rahmen der Übung | 50 | flexibel | 3 Tests zu je 20 min |
Exam description
Prüfungsform ist Portfolioprüfung. Die Gesamtbenotung ergibt sich aus den o.g. Prüfungselementen. Die Elemente müssen nicht einzeln bestanden werden, lediglich die Summe aller Leistungen wird nach dem nachfolgenden Notenschlüssel bewertet.
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
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
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 semester.
Maximum number of participants
The maximum capacity of participants is 40.
Registration procedures
Die Teilnehmerzahl ist aufgrund der technischen Voraussetzungen begrenzt. Zur fairen Platzvergabe gemäß AllgStuPO müssen die Bewerber im ISIS Kurs einen Fragebogen ausfüllen (die Frist im ISIS Kurs ist zu beachten) und dann zum ersten Übungstermin anwesend sein. Der ISIS Kurs wird ab dem 01.10. freigeschaltet.
Recommended reading, lecture notes
Lecture notes
unavailable
Electronic lecture notes
available – https://www.isis.tu-berlin.de/
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 version is used in the following programs:
| Program / program version | Semester(s) | Curriculum component |
|---|---|---|
| Industrial Engineering and Management Industrial Engineering and Management (M. Sc.) - StuPO 2015 | WS 2022/23 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology |
| SS 2023 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology |
Dieses Modul ist unter anderem geeignet für die Masterstudiengänge:
- Produktionstechnik
- Informationstechnik im Maschinenwesen
- Physikalische Ingenieurwissenschaft
- Elektrotechnik
- Technische Informatik
- Produktionstechnik
- Informationstechnik im Maschinenwesen
- Physikalische Ingenieurwissenschaft
- Elektrotechnik
- Technische Informatik
Miscellaneous
Weitere Informationen unter http://www.iat.tu-berlin.de