Das IMS und das 3Dvisionlab bieten verschiedene Abschlussarbeiten an.
Abschlussarbeiten IMS - 3Dvisionlab
Masterarbeit: Aufbau und Vergleich realer optischer Prüfsysteme mit ihren digitalen Zwillingen
Aufgabenbeschreibung
Die industrielle Bildverarbeitung bewegt sich zunehmend hin zum Digitalen Zwilling, da virtuelle optische Prüfsysteme Entwicklungszeit und Ressourcen sparen. Unklar ist jedoch, wie realitätsnah synthetisch erzeugte Bilder insbesondere bei unterschiedlichen Beleuchtungskonzepten und fehlerbehafteten Bauteilen sind. Ziel dieser Masterarbeit ist der systematische Vergleich realer optischer Aufbauten mit ihren digitalen Zwillingen sowie die quantitative Bewertung der Bild¨ahnlichkeit mithilfe geeigneter Metriken.
Aufgaben:
• Konzeption und Aufbau realer Demonstratoren industrieller Prüfsysteme (z. B. mit Ringlicht,
Flächenbeleuchtung, Auflicht etc.)
• Modellierung und Implementierung digitaler Zwillinge dieser optischen Systeme (inkl. Programmierung
und Integration neuer Beleuchtungsmodelle)
• Digitalisierung fehlerfreier und fehlerbehafteter Bauteile im realen und virtuellen Aufbau
• Quantitativer Vergleich realer und synthetischer Bilddaten mithilfe geeigneter Metriken (z.B.
LPIPS, FID)
• Analyse und Bewertung der Aussagekraft der verwendeten Vergleichsmetriken
Wen suchen wir?
Wir suchen motivierte und neugierige Studierende mit folgendem Profil:
• Studium in Maschinenbau, Informatik, Elektrotechnik oder vergleichbar
• Motivation in optischen Systemen und Maschinellem Sehen
• Grundkenntnisse in Python
Kontakt
Bei Interesse melden Sie sich gerne bei jonathan.zender@hs-kempten.de.
Masterarbeit: Synthetische Bilddatengenerierung mittels generativer AI-Algorithmen wie z.B. GANs zum Training von KIs in der Qualitätsüberprüfung
Aufgabenbeschreibung
In der modernen industriellen Fertigung spielt die Qualitätssicherung eine entscheidende Rolle. Um sicherzustellen, dass Produkte den höchsten Standards entsprechen, werden zunehmend KIbasierte Systeme zur Qualitätsüberprüfung eingesetzt. Diese Systeme benötigen jedoch große Mengen an qualitativ hochwertigen Trainingsdaten, um effizient trainiert werden zu können. Das sammeln und labeln dieser Daten ist kostspielig und zeitaufwendig. Generative Adversarial Networks (GANs) bieten eine vielversprechende Lösung, indem sie synthetische Bilddaten erzeugen, die reale Szenarien simulieren. Diese synthetischen Daten werden verwendet um KI-Modelle zu trainieren und somit die Qualitätssicherungsprozesse zu verbessern. Das Ziel dieser Masterarbeit ist es, Methoden zur Generierung synthetischer Bilddaten mittels GANs oder anderer generativer KI zu entwickeln und zu evaluieren, um KI-Modelle für die Qualitätsüberprüfung in industriellen Anwendungen zu trainieren. Die Arbeit umfasst sowohl die theoretische Untersuchung als auch die praktische Implementierung und Validierung der entwickelten Algorithmen.
Wen suchen wir?
Wir suchen motivierte und neugierige Studierende mit folgendem Profil:
• Studium in Maschinenbau, Informatik, Elektrotechnik oder vergleichbar
• Motivation in Maschinellem Lernen und Maschinellem Sehen
• Grundkenntnisse in Python, und (optional) PyTorch oder Tensorflow
Kontakt
Bei Interesse melden Sie sich gerne bei jonathan.zender@hs-kempten.de.
