Das IMS und das 3Dvisionlab bieten verschiedene Abschlussarbeiten an.
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
Wen suchen wir?
Wir suchen motivierte und neugierige Studierende mit folgendem Profil:
Kontakt
Bei Interesse melden Sie sich gerne bei jonathan.zender@hs-kempten.de.
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:
Kontakt
Bei Interesse melden Sie sich gerne bei jonathan.zender@hs-kempten.de.
Aufgabenbeschreibung
In der Elektronikfertigung bei unserem Forschungspartner, der Liebherr Electronics-and-Drives
GmbH, müssen Leiterplatten in einer hohen Varianz automatisiert mit Lack beschichtet werden.
Dabei müssen automatisiert optimale Wege des Lackierungswerkzeugs über die Leiterplatte
geplant und ausgeführt werden, sodass nur die elektronischen Bauteile, die beschichtet
werden sollen, auch wirklich beschichtet werden. Hier müssen tatsächliche Bilder der Leiterplatte
analysiert, in Einklang mit CAD-Modellen gebracht und die Positionen zu beschichtender
Bauteile erkannt werden.
Aufgaben
Wen suchen wir?
Wir suchen hochgradig motivierte und neugierige Studierende mit folgendem Profil:
Kontakt
Bei Interesse melden Sie sich gerne bei tobias.schmaehling@hs-kempten.de oder guenther.reichart@liebherr.com.
Aufgabenbeschreibung
Im Active Positioning geht es darum, ein Objekt zu einem vorgegebenen Ziel zu bewegen - allerdings rein auf Basis von visuellen Informationen und nur in dem man relative Bewegungen des Objekts ausführt. In einer vorangegangenen Masterarbeit wurde dafür bereits ein reales System aufgebaut, wo ein Sphero-Ball zu einem Ziel bewegt werden soll. Ziel dieser Masterarbeit ist es nun, dies komplett mithilfe von offline reinforcement
Learning zu lösen, d.h. es soll ein Algorithmus entwickelt werden, der auf Basis von einem Datensatz von Bewegungen lernt, wie er das Objekt zum Ziel bewegen kann.
Aufgaben
Wen suchen wir?
Wir suchen hochgradig motivierte und neugierige Studierende mit folgendem Profil:
Kontakt
Bei Interesse melden Sie sich gerne bei tobias.schmaehling@hs-kempten.de.
Aufgabenbeschreibung
Die industrielle Bildverarbeitung entwickelt sich zunehmend in Richtung digitaler Zwillinge: Virtuelle Prüfsysteme ermöglichen es, optische Inspektionsprozesse bereits vor der realen Inbetriebnahme zu testen, zu optimieren und effizienter zu gestalten. Insbesondere die Generierung synthetischer Bilddaten eröffnet neue Potenziale, um Entwicklungszeiten zu verkürzen und den Bedarf an aufwendig annotierten Realdaten zu reduzieren.
Im Rahmen dieser Arbeit soll ein reales Anwendungsbeispiel aus der Gussoberflächenprüfung untersucht werden. Grundlage bildet der Datensatz ”CSDD: A Benchmark Dataset for Casting Surface Defect Detection and Segmentation” (Mao et al.), der als Referenz für reale Bilddaten dient. Ziel ist es, diesen Datensatz mithilfe geeigneter Simulations- und Renderingverfahren möglichst realitätsnah synthetisch nachzubilden.
Darauf aufbauend werden moderne Objektdetektionsverfahren auf den generierten synthetischen Bilddaten trainiert und anschliesend auf realen Daten evaluiert. Ein besonderer Fokus liegt auf der Fragestellung, welche Anforderungen an die Qualität und Realitätsnähe der synthetischen Daten gestellt werden müssen, damit die trainierten Modelle zuverlässig auf reale Bilddaten generalisieren.
Aufgaben
Wen suchen wir?
Wir suchen motivierte und neugierige Studierende mit folgendem Profil:
Kontakt
Bei Interesse melden Sie sich gerne bei jonathan.zender@hs-kempten.de.
Zur Verwendung des Chatbots ist eine Zustimmung zur Verarbeitung der anfallenden Daten durch unseren externen Dienstleister erforderlich.
Dabei werden Cookies geladen sowie verschiedene Daten für Statistiken und Analysen dauerhaft anonymisiert gespeichert und ausgewertet (Details siehe Chatbot Datenschutzerklärung).
Die datenschutzrechtlichen Einstellungen können jederzeit in den Datenschutzeinstellungen geändert werden.