Fachbereich Ingenieur- und Naturwissenschaften
Refine
Document Type
Institute
Language
- German (4)
Has Fulltext
- yes (4)
Is part of the Bibliography
- yes (4) (remove)
Keywords
- Bildverarbeitung (4) (remove)
Dieses Paper präsentiert das Forschungsprojekt „Intelligent Camera Unit“ (ICU) der Technischen Hochschule Wildau in Kooperation mit der Beiersdorf AG zur Verbesserung von Portraitaufnahmen in Probandenstudien für Kosmetikprodukte. Das Hauptziel des Projekt besteht darin, Ausrichtungsfehler zu minimieren und die Vergleichbarkeit von Vorher-Nachher-Bildern zu erhöhen. Dies wird durch die Verwendung eines kollaborativen Roboters und KI-gestützter Bildanalyse erreicht, um präzise Ausrichtung und Gesichtspositionen der Probanden zu gewährleisten. Das entwickelte System ermöglicht effiziente und reproduzierbare Aufnahmen aus verschiedenen Winkeln und Entfernungen und bietet eine benutzerfreundliche, web-basierte Bedienoberfläche.
Zur Lösung des Problems der Einführung einer Brandfrüherkennung an einer Anlage mit erheblichen Flächen an Wärmestrahlung und Temperaturen um 1.100 Grad Celsius, wird der Einsatz von infraroter und visueller Kameratechnik und Bildverarbeitungssystemen in einer Machbarkeitsstudie erörtert und als Vorlage zur Umsetzung gebracht. Hierfür müssen alle technischen Randbedingungen der baulichen Anlage, die Kosten und auch die organisatorischen Aspekte ermittelt und bewertet werden. Auf Basis von Störfallszenarien wurden Brandversuche durchgeführt und in thermographischer und visueller Bildgebung ausgewertet. Entscheidend war die signifikante Abgrenzung eines Feuers vom anlagenspezifischen ungestörten Zustand.
Entwicklung einer mobilen automatisierten Prozesserweiterung für einen Etikettierarbeitsplatz
(2023)
Die Corona-Pandemie und der stetig steigende Fachkräftemangel zwingen viele Unternehmen zum Umdenken. Kollaborative Roboter finden immer mehr Einzug in kleine und mittelständische Unternehmen und übernehmen sich wiederholende, nicht ergonomische und monotone Arbeiten und heben das bestehende Personal in ganz neue Verantwortungsaufgaben. Die Automatisierung hält immer mehr Einzug und gewinnt branchenweit deutlich mehr an Bedeutung. In diesem Projekt, entstanden im Rahmen einer Bachelorarbeit [1], wird nach der Klärung der Grundlagen die Implementierung eines kollaborativen Roboters in einem Applizierprozess beschrieben und auf die Schritte von Aufbau bis hin zum funktionierenden, vollautomatischen Prozess eingegangen. Der Cobot wird anhand von mehreren Testszenarien auf seine Funktion hin evaluiert und auf Prozesstauglichkeit erprobt.
Dieser Beitrag schlägt ein Bildverarbeitungsmodell zur automatisierten Bestimmung von Messarealen bei robotergestützten In Vivo Messungen vor. Es wird angenommen, dass moderne Verfahren der Deep-Learning-Objekterkennung in der Lage sind die einzelnen Areale wiederholbar genau genug zu erkennen, um die benötigten Messareale im dreidimensionalen Raum einzupassen. Für das Einpassen werden Tiefeninformationen aus einer stereoskopischen Kamera verwendet. Weiter wird untersucht inwiefern diese Tiefeninformationen als zusätzlicher Eingang für die Deep-Learning-Modelle verwendet werden können. Hierfür wird ein Konzept ausgearbeitet, ein Datensatz erstellt und Modelle zur Objekterkennung in verschiedenen Implementierungen trainiert. Das Verwenden von Tiefeninformationen führt zu einer besseren Generalisierbarkeit der Modelle, insbesondere auf tätowierten Hautarealen. Das Bildverarbeitungsmodell erreicht beim Einpassen der Messareale eine gemittelte Wiederholgenauigkeit bzw. Abweichung von 6, 1 mm bei einer Bildwiederholrate von 2, 3 bis 3, 3 Bildern die Sekunde.