image based automation IIModule description #50191 / Version 1
- 6 CP
- Portfolio examination
- Graded
- Winter and summer semester
- German
This module description is not valid in the current semester (Winter semester 2026/27).
Current version (v9)
| Module / Version | #50191 / #1 |
|---|---|
| Validity | SS 2014 – SS 2015 |
| 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 | Altenbuchner, Adam Michael |
| 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 Bildverarbeitungskomponenten komplexer industrieller Systeme
* Auslegung industriell standardisierter Schnittstellen von Bildverarbeitungssystemen
* Thermografie und und Sensorfusion
* Prinzipien verschiedener Methoden der 3D Bilderfassung, sowie Anwendung von Stereo-Vision
* Bedienung unterschiedlicher industrieller Bildverarbeitungssoftware
* Merkmalsberechnung und Extraktion interessanter Punkte
* Auswahl und Berechnung grundlegender Methoden des maschinellen Lernens zur Mustererkennung und Klassifikation mit Merkmalen aus Bilddaten
* Anwendung von Methoden der kamerabasierten Robotersteuerung (Visual Servoing)
* 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 Bildverarbeitungskomponenten komplexer industrieller Systeme
* Auslegung industriell standardisierter Schnittstellen von Bildverarbeitungssystemen
* Thermografie und und Sensorfusion
* Prinzipien verschiedener Methoden der 3D Bilderfassung, sowie Anwendung von Stereo-Vision
* Bedienung unterschiedlicher industrieller Bildverarbeitungssoftware
* Merkmalsberechnung und Extraktion interessanter Punkte
* Auswahl und Berechnung grundlegender Methoden des maschinellen Lernens zur Mustererkennung und Klassifikation mit Merkmalen aus Bilddaten
* Anwendung von Methoden der kamerabasierten Robotersteuerung (Visual Servoing)
* Anwendung ingenieurwissenschaftlicher Methoden zur Anfertigung von Protokollen der Experimente
Content
Die Vorlesung setzt das Modul 'Bildgestützte Automatisierung I' fort und behandelt die Inhalte ebenfalls anhand unterschiedlicher Praxisbeispiele (z.B. Zeichenerkennung, Bewegungsanalyse, Montagekontrolle, Thermografie, Sensorfusion, Tiefenkameras, Visual Servoing, Musterkennung, Bildverarbeitungs-Tools, etc.), die das breite Anwendungsspektrum der Bildverarbeitung in der Automatisierung industrieller Prozesse darstellen.
In der Übung 'Bildgestützte Automatisierung II' werden wie in der Übung 'Bildgestützte Automatisierung I' überwiegend Problemstellungen aus der industriellen Bildverarbeitung aufgegriffen. Dazu werden beispielsweise anhand eines Zeilenkameraaufbaus Barcodes ausgelesen, die Beschriftung von Chips auf einer Platine gelesen, geregelte Rauschunterdrückung, Lageregelung oder Mustererkennung angewendet.
Auch wird an einer bestehenden Visual Servo Lösung (aus dem Modul Automatisierungstechnisches Projekt) Bildverarbeitung praktisch angewendet. Es werden grafische Entwicklungsumgebungen professioneller industrieller Bildverarbeitungssoftwarehersteller eingeführt und bedient.
In der Übung 'Bildgestützte Automatisierung II' werden wie in der Übung 'Bildgestützte Automatisierung I' überwiegend Problemstellungen aus der industriellen Bildverarbeitung aufgegriffen. Dazu werden beispielsweise anhand eines Zeilenkameraaufbaus Barcodes ausgelesen, die Beschriftung von Chips auf einer Platine gelesen, geregelte Rauschunterdrückung, Lageregelung oder Mustererkennung angewendet.
Auch wird an einer bestehenden Visual Servo Lösung (aus dem Modul Automatisierungstechnisches Projekt) Bildverarbeitung praktisch angewendet. Es werden grafische Entwicklungsumgebungen professioneller industrieller Bildverarbeitungssoftwarehersteller eingeführt und bedient.
Module components
Compulsory area
The following courses are mandatory for this module:
Workload and credit points
Bildgestützte Automatisierung II (Lecture)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Bildgestützte Automatisierung II (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 von Lehre und des Lernens bieten, wie u.a. Mindmap, Metaplan, etc..
Die Vorstellung der Ergebnisse thematisch vergebener Aufgaben (Recherchen, Analysen, Bewertungen) erfolgt in Kurzvorträgen im Rahmen der Veranstaltung.
Experimentelle und analytische Gruppenübungen zu ausgewählten Themen vertiefen das in der VL vermittelte Wissen.
Die Übungen beinhalten darauf aufbauend mündliche Diskussionsrunden, die eine gezielte Förderung der Studenten ermöglicht.
Die Vorstellung der Ergebnisse thematisch vergebener Aufgaben (Recherchen, Analysen, Bewertungen) erfolgt in Kurzvorträgen im Rahmen der Veranstaltung.
Experimentelle und analytische Gruppenübungen zu ausgewählten Themen vertiefen das in der VL vermittelte Wissen.
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: Bildgestützte Automatisierung I
Mandatory requirements for the module examination registration:
This module has no examination requirements.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Portfolio examination |
| Language | German |
Exam description
Prüfungsform ist "Portfolioprüfung". Die Gesamtbenotung ergibt sich aus einer mündliche Rücksprache (Anteil an der Gesamtnote 60%) und den Übungsabnahmen.
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
This module is not limited to a number of students.
Registration procedures
Die Anmeldung für die Übung findet über das ISIS2-System statt.
https://www.isis.tu-berlin.de/2.0/course/index.php?categoryid=198
https://www.isis.tu-berlin.de/2.0/course/index.php?categoryid=198
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
- 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
Assigned programs
This module is not used in any program.
Dieses Modul ist unter anderem geeignet für die Masterstudiengänge: Produktionstechnik, Konstruktion und Fertigung, Elektrotechnik, Physikalische Ingenieurwissenschaft, Informationstechnik im Maschinenwesen, Technische Informatik
Miscellaneous
Weitere Informationen unter http://www.iat.tu-berlin.de