Angewandtes Maschinelles Sehen in der Automatisierung IModulbeschreibung #50190 / Version 11
- 6 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Deutsch
| Modul / Version | #50190 / #11 |
|---|---|
| Gültigkeit | Seit WiSe 2026/27 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Krüger, Jörg |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät V |
|---|---|
| Institut | Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) |
| Fachgebiet | 35361400 FG Industrielle Automatisierungstechnik |
Kontakt
| Sekretariat | PTZ 5 |
|---|---|
| Ansprechpartner*in | Hartisch, Richard Matthias |
| E-Mail-Adresse | lehre@iat.tu-berlin.de |
| Webseite | http://www.iat.tu-berlin.de |
Lernergebnisse
Absolventinnen und Absolventen des Moduls verfügen über:
- Kenntnisse typischer Anforderungen und praktischer Lösungen des maschinellen Sehens in der Automatisierung, insbesondere für Steuerungs-, Regelungs- und Qualitätskontrollaufgaben in der Produktionstechnik
- Fertigkeiten im Umgang mit Optiken, Kameras, Beleuchtungen, Rechnern sowie industriellen Softwaretools für Systeme des maschinellen Sehens
- Kompetenzen in:
* Auswahl und Integration von Komponenten industrieller Systeme des maschinellen Sehens
* Optik, insbesondere Abbildungsgesetze, Farbspektrum und Sensorprinzipien
* Bedienung mehrerer industrieller Softwarelösungen für Anwendungen des maschinellen Sehens
* Auswahl und Berechnung anwendungsfallbezogen relevanter Merkmale aus visuellen Sensordaten
* grundlegenden Methoden zur Aufbereitung, Auswertung und Interpretation visueller Daten
* Anwendung ingenieurwissenschaftlicher Methoden zur Planung, Durchführung und Dokumentation experimenteller Untersuchungen im Bereich des maschinellen Sehens in der Automatisierung
- Kenntnisse typischer Anforderungen und praktischer Lösungen des maschinellen Sehens in der Automatisierung, insbesondere für Steuerungs-, Regelungs- und Qualitätskontrollaufgaben in der Produktionstechnik
- Fertigkeiten im Umgang mit Optiken, Kameras, Beleuchtungen, Rechnern sowie industriellen Softwaretools für Systeme des maschinellen Sehens
- Kompetenzen in:
* Auswahl und Integration von Komponenten industrieller Systeme des maschinellen Sehens
* Optik, insbesondere Abbildungsgesetze, Farbspektrum und Sensorprinzipien
* Bedienung mehrerer industrieller Softwarelösungen für Anwendungen des maschinellen Sehens
* Auswahl und Berechnung anwendungsfallbezogen relevanter Merkmale aus visuellen Sensordaten
* grundlegenden Methoden zur Aufbereitung, Auswertung und Interpretation visueller Daten
* Anwendung ingenieurwissenschaftlicher Methoden zur Planung, Durchführung und Dokumentation experimenteller Untersuchungen im Bereich des maschinellen Sehens in der Automatisierung
Lehrinhalte
Die Vorlesung „Angewandtes Maschinelles Sehen in der Automatisierung I“ vermittelt anhand unterschiedlicher Praxisbeispiele (z. B. optische Fehlerprüfung von Glasrohren, optische Vermessung von Radsätzen, Zeichen- und Objekterkennung) das breite Anwendungsspektrum des maschinellen Sehens zur Automatisierung industrieller Prozesse. Dabei werden die Grundlagen der visuellen Datenerfassung und -auswertung behandelt: visuelle Wahrnehmung, Farbräume, Bilderfassung (Optiken, Beleuchtung, bildgebende Sensoren, Kalibrierung), Verfahren zur Aufbereitung visueller Daten (Kantenfilter, Rauschunterdrückung) sowie Grundlagen der Merkmalsextraktion und Mustererkennung.
In der Übung „Angewandtes Maschinelles Sehen in der Automatisierung I“ werden überwiegend praxisnahe Problemstellungen des industriellen maschinellen Sehens in der Automatisierung 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. Ergänzend werden die Auswahl und Kalibrierung von Objektiven und Beleuchtung durchgeführt sowie unterschiedliche Verfahren zur Rauschunterdrückung, Merkmalsgewinnung und Mustererkennung anwendungsbezogen genutzt. Darüber hinaus werden grafische Entwicklungsumgebungen professioneller Softwarelösungen für industrielle Computer-Vision-Anwendungen eingeführt und angewendet.
In der Übung „Angewandtes Maschinelles Sehen in der Automatisierung I“ werden überwiegend praxisnahe Problemstellungen des industriellen maschinellen Sehens in der Automatisierung 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. Ergänzend werden die Auswahl und Kalibrierung von Objektiven und Beleuchtung durchgeführt sowie unterschiedliche Verfahren zur Rauschunterdrückung, Merkmalsgewinnung und Mustererkennung anwendungsbezogen genutzt. Darüber hinaus werden grafische Entwicklungsumgebungen professioneller Softwarelösungen für industrielle Computer-Vision-Anwendungen eingeführt und angewendet.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Angewandtes Maschinelles Sehen in der Automatisierung I | Vorlesung | 0536 L 108 | Wintersemester | [de] | 2 | WiSe 2026/27 (1) ISIS |
| Bildgestützte Automatisierung I | Übung | 0536 L 109 | Wintersemester | [de] | 2 | WiSe 2026/27 (1) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (2)
Angewandtes Maschinelles Sehen in der Automatisierung I (Vorlesung) 1
- Angewandtes Maschinelles Sehen in der Automatisierung I (Vorlesung) 1. Termingruppe 0536 L 108
Bildgestützte Automatisierung I (Übung) 1
- Angewandtes Maschinelles Sehen in der Automatisierung I (Übung) 1. Termingruppe 0536 L 109
Arbeitsaufwand und Leistungspunkte
Angewandtes Maschinelles Sehen in der Automatisierung I (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Bildgestützte Automatisierung I (Übung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
In der Vorlesung finden verschiedene didaktische Mittel Anwendung, die eine interaktive und eng betreute Unterstützung der Lehre und des Lernens bieten, wie u. a. Inverted Classroom, Mindmaps und Metaplan-Methoden.
Experimentelle und analytische Gruppenübungen lehren den praktischen Einsatz von Versuchsaufbauten, die den gegenwärtigen Stand der Technik industrieller Maschinensysteme repräsentieren. Die intensiv betreuten Übungen beinhalten Elemente des Team-Based Learning (TBL) sowie gemeinsame Diskussionen über Ergebnisse, Herangehensweisen und Lösungsstrategien innerhalb der Gruppen, wodurch eine gezielte fachliche Förderung der Studierenden unterstützt wird.
Experimentelle und analytische Gruppenübungen lehren den praktischen Einsatz von Versuchsaufbauten, die den gegenwärtigen Stand der Technik industrieller Maschinensysteme repräsentieren. Die intensiv betreuten Übungen beinhalten Elemente des Team-Based Learning (TBL) sowie gemeinsame Diskussionen über Ergebnisse, Herangehensweisen und Lösungsstrategien innerhalb der Gruppen, wodurch eine gezielte fachliche Förderung der Studierenden unterstützt wird.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Dieses Modul hat keine wünschenswerten Voraussetzungen für die Lehrveranstaltungen.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Deutsch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| Testat zu Übungsinhalten | 50 | schriftlich | 45 Minuten |
| Testat zu Vorlesungsinhalten | 50 | schriftlich | 60 Minuten |
Prüfungsbeschreibung (Abschluss des Moduls)
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
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.
Maximale teilnehmende Personen
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Die Studierenden müssen sich in den entsprechenden ISIS-Kurs einschreiben und aus organisatorischen Gründen am ersten Vorlesungs- und Übungstermin teilnehmen. Darüber hinaus ist eine fristgerechte Anmeldung zur Prüfung über MOSES erforderlich. Der ISIS-Kurs wird ab dem 01.10. freigeschaltet.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
verfügbar – https://www.isis.tu-berlin.de/
Empfohlene Literatur
- 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
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Biomedizinische Technik StuPO 2018 | WiSe 2026/27 | 2. Wahlpflichtmodule › 2.1 Medizintechnische Profile › 2.1.3 Bildgebende Systeme in der Medizin |
| Computational Engineering Science (Informationstechnik im Maschinenwesen) StuPO 2018 (17.01.2018) | WiSe 2026/27 | 4. Profilbereich › 4.2 Profilbereich: Konstruktion und Fertigung › 4.2b Produktionstechnik |
| Maschinenbau StuPO 2017 | WiSe 2026/27 | Wahlpflichtmodule › Profilmodule › Mess- und Automatisierungstechnik |
| Patentingenieurwesen StuPO 2015 | WiSe 2026/27 | 2.2. Ingenieurwissenschaftliche Profilmodule › 2.2.5. Mess- und Automatisierungstechnik |
| Physikalische Ingenieurwissenschaft StuPO 2020 | WiSe 2026/27 | 2.3 Mechatronik › 2.3b Ergänzungsbereich |
| Produktionstechnik StuPO 2018 (09.05.2018) | WiSe 2026/27 | 4. Profilmodule › 4.2 Automatisierungs- und Informationstechnik |
| Technomathematik StuPO 2014 | WiSe 2026/27 | Studienrichtungen › Physikalische Ingenieurwissenschaft › Physikalische Ingenieurwissenschaft › Mechatronik |
| Wirtschaftsingenieurwesen StuPO 2015 | WiSe 2026/27 | Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Maschinenbau/Mechanical Engineering (MB) › Maschinenbau/Mechanical Engineering (Wahlpflicht/Compulsory-Elective) › Automation and Industrial Information Technology |
| Wirtschaftsingenieurwesen StuPO 2026 | WiSe 2026/27 | Ingenieurwissenschaften / Studienrichtungen › Maschinenbau › Maschinenbau (Wahlpflicht) › Cyber-Physical-Production-Systems |
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
Sonstiges
Weitere Informationen unter http://www.iat.tu-berlin.de