Über lernende optische Inspektion am Beispiel der Schüttgutsortierung
Abstract:
Automatische optische Inspektion spielt in industriellen Fertigungsprozessen eine wichtige Rolle. Die Entwicklung und Konfiguration solcher Systeme ist jedoch sehr aufwendig. Mit maschinellen Lernverfahren kann beides erheblich vereinfacht und beschleunigt werden. In dieser Arbeit werden verschiedene lernende Verfahren für die optische Inspektion entwickelt. Diese Verfahre ergänzen sich gegenseitig und sind für eine breite Produktpalette einsetzbar.
Abstract (englisch):
Automated visual inspection is an integral part in industrial manufacturing processes, but development and setup of such systems is very costly. Machine learning significantly reduces the effort of and speeds up both tasks. This work develops several machine learning methods suitable for automated visual inspection. The methods augment each other and can be used for a wide range of products.
| Zugehörige Institution(en) am KIT | Institut für Anthropomatik und Robotik (IAR) |
| Publikationstyp | Hochschulschrift |
| Publikationsjahr | 2018 |
| Sprache | Deutsch |
| Identifikator | ISBN: 978-3-7315-0842-7 ISSN: 1866-5934 urn:nbn:de:0072-856206 KITopen-ID: 1000085620 |
| Verlag | KIT Scientific Publishing |
| Umfang | XVI, 283 S. |
| Serie | Schriftenreihe Automatische Sichtprüfung und Bildverarbeitung ; 13 |
| Art der Arbeit | Dissertation |
| Schlagwörter | Mustererkennung, maschinelles Lernen, optische Inspektion, Schüttgutsortierung,, Pattern recognition, machine learning, visual inspection, bulk material soriting |
| Nachgewiesen in | OpenAlex |
| Relationen in KITopen | |
| Globale Ziele für nachhaltige Entwicklung |