Im Seminar "Moderne Methoden der industriellen Bildverarbeitung" verbindest du klassische Bildverarbeitung mit KI und Deep Learning. Ein Live-Beispiel zeigt dir den kompletten Workflow einer Deep-Learning-Applikation, von der Datenvorverarbeitung bis zur Kennzeichenerkennung.
Am Anfang stehen die Grundlagen: Bildaufnahme, Binarisierung, Labeling und Blobanalyse. Du lernst, wie Beleuchtung, Optik und Kamera den Kontrast deiner Bilder beeinflussen, etwa durch spektrale Anpassung oder Tiefenkontrast. Dazu kommen Struktur- und Ortsauflösung sowie subpixelpräzise Messverfahren mit Kamerakalibrierung.
Im zweiten Teil geht es um Machine Learning in der industriellen Bildverarbeitung. Du lernst Klassifikatoren wie Nearest Neighbours, SVM und Decision Trees kennen, dazu Supervised Learning und Validierung mit Metriken. Beim Deep Learning siehst du typische Einsatzszenarien und die Architektur neuronaler Netze. Dazu bekommst du Ratschläge für Modellauswahl, Training und Monitoring im Praxiseinsatz.
Reale Praxisbeispiele reichen von der Kennzeichenerkennung über Lebensmittelsortierung bis zu Oberflächeninspektion und OCR. Als aktuelle Trends behandelt das Seminar Large Language Models, Vision Language Models und Event Based Imaging.
Das Seminar richtet sich an Ingenieurinnen und Ingenieure sowie Technikerinnen und Techniker. Gemeint sind Menschen, die Automatisierungs-, Überwachungs- und Prüfsysteme entwickeln oder Bildverarbeitungssysteme einsetzen und spezifizieren. Geleitet wird es von Prof. Christoph Heckenkamp und Prof. Thomas Netzsch, beide von der Hochschule Darmstadt.
Der Termin läuft über zwei Tage. Am ersten Tag geht es von 09:30 bis 17:30 Uhr, am zweiten von 09:00 bis 16:30 Uhr. Du wählst zwischen Präsenzterminen in Düsseldorf, München und Frankfurt am Main oder einem Online-Termin. Am Ende steht eine Teilnahmebescheinigung. Das Seminar ist auch als Inhouse-Schulung buchbar.
