Selective Sun-Cream Detection and Image Segmentation Using a One-Class Classifier (OCC) with Multi-Spectral Images. - Ilmenau. - 86 Seiten
Technische Universität Ilmenau, Masterarbeit 2023
Die Sonneneinstrahlung hat große gesundheitliche Vorteile wie eine bessere Schlafunterstützung, eine hebende Stimmung, eine Verbesserung des psychischen Gesundheitszustands, einen niedrigeren Blutdruck, eine Steigerung der Energie, eine Krebsprävention und eine allgemeine Verlängerung der Lebenserwartung. Es bewirkt die Produktion von Vitamin D in unserem Körper, das die Aufnahme von Kalzium zum Schutz vor Osteoporose und zur Stärkung der Knochen unterstützt. Auf der anderen Seite führt eine längere ungeschützte Sonneneinstrahlung zu einer Absorption von ultravioletter Strahlung, die Sonnenbrand verursacht und in akuten Fällen zu Hautkrebs führt. Die Anwendung von Sonnencreme schützt die menschliche Haut, indem sie schädliche ultraviolette Strahlung entweder absorbiert oder reflektiert. Das richtige Auftragen von Sonnencreme ist ebenfalls sehr wichtig, da jeder kleine exponierte Hautbereich, der beim Auftragen von Sonnencreme übersprungen wurde, zu den gleichen Folgen von Sonnenbrand und Hautkrebs führen kann. In den meisten Fällen ist es fast unmöglich, diese Hautareale mit bloßem Auge zu erkennen. Daher ist es entscheidend, ein System zu entwickeln, das die Bereiche der menschlichen Haut mit und ohne Sonnencreme genau erkennen kann. Darüber hinaus muss das System in einer natürlichen Umgebung wie einem Strand arbeiten, wo das System auf einen unterschiedlich komplexen Hintergrund stoßen kann, so dass es auch wirklich wichtig ist, den Hintergrund effektiv von Haut und Sonnencreme zu trennen. Die Bedeutung dieser Forschung besteht darin, die Anwendung von Deep-Learning-Methoden zur Bildsegmentierung im Bereich der multispektralen Bildgebung besser zu verstehen. Das Hauptziel der Forschung ist die Entwicklung eines Proof-of-Concept-Sonnencreme- und Haut Segmentierung Systems aus multispektralen Daten ohne die Informationen der Hintergrund Klasse. Ein Unterbereich der Bildklassifizierung, nämlich die Ein-Klassen-Klassifizierung (OCC), wurde übernommen, um einen Teil der Bilder in Ziel- und Nicht-Zielklassen zu klassifizieren. Im Wesentlichen gäbe es zwei OCC-Klassifikatoren, einen für Haut und den anderen für Sonnencreme, und jeder Teil von Bildern, der von beiden Klassifikatoren zurückgewiesen würde, würde automatisch als Hintergrund klassifiziert. Mehrere überwachte und nicht überwachte Methoden wurden angewendet, um optimale Ergebnisse zu erzielen, und daraus wurden zugrunde liegende Erkenntnisse gezogen. Schließlich wurde eine Merkmalsanalyse Studie durchgeführt, um das Versagen von OCC-Methoden bei diesem speziellen Problem der Sonnencreme Erkennen zu verstehen.
Auswertung multimodaler Messdaten eines sensorbasierten Wegerfassungssystems mit den Werkzeugen der Qualitätssicherung . - Ilmenau. - 160 Seiten
Technische Universität Ilmenau, Masterarbeit 2023
Die Vermessung und Digitalisierung von Waldwegen im übergeordneten Projekt erfolgt mit zwei 2D-LIDAR-Sensoren, zwei TOF-Kameras und zwei Stereo-Kameras. Die fusionierte 3D-Punktwolke verfügt über metrische Informationen sowie Infrarot-, Remissions- und Spektralwerte. Das Ziel dieser Arbeit ist die Auswahl und Übertragung einiger klassischer Qualitätssicherungswerkzeuge auf das beschriebene Messprojekt sowie die Ermittlung der optimalen Steuerfaktorkombination der Sensoren für die Vermessung von Waldwegen. Als Referenz für die Beurteilung der metrischen Messdaten dient ein hochgenaues 3D-Lidar-System. Die Analyse des Sensorsystems ist in drei Stufen gegliedert: unter Laborbedingungen, unter Extrembedingungen und unter realen Bedingungen. Die Analyse der Sensoren unter Laborbedingungen erfolgt nach dem Standardablauf einer Messsystemanalyse. Um die optimale Einstellung der Sensoren für die Anwendung auf Waldwegen zu ermitteln, werden zunächst alle potenziellen Steuer- und Störfaktoren ermittelt. Der Einfluss einiger Störfaktoren kann bereits im Vorfeld rein rechnerisch als vernachlässigbar gering eingestuft werden. Die verbleibenden Störfaktoren und deren Einfluss auf das Messergebnis werden unter Extrembedingungen in einem Variablenvergleich analysiert. Mit Hilfe von Versuchsplänen nach Taguchi werden anschließend die Steuerfaktoren der Sensoren unter realen Bedingungen untersucht, um die Steuerfaktorkombination zu ermitteln, bei der die Störfaktoren den geringsten Einfluss auf das Messergebnis haben.
Technische Universität Ilmenau, Masterarbeit 2023
In der industriellen Qualität spielt die Analyse und Klassifizierung von Schüttgütern eine wichtige Rolle sowohl in der Lebensmittelindustrie als auch im Bauwesen und Recycling. Zum Beispiel ist die automatisierte Analyse von Gesteinen für die Verwendung als Zuschlagstoffe im Beton unerlässlich, um zukünftige Zerstörungen durch reaktive Gesteine in Form von Alkali-Silica-Reaktion zu verhindern. Diese Arbeit zielt darauf ab, durch einen Algorithmus die Masse jedes Gesteinstyps, der als Zuschlagstoffe verwendet wird, zu schätzen, um ihre Qualität im Beton zu kontrollieren, indem mehrere Proben untersucht werden. Dazu werden Daten verwendet, die mit einem 3D-Laserlinienscanner und einer Präzisionswaage erfasst wurden, um die geschätzten Massenergebnisse jedes Gesteinstyps mit ihrer tatsächlichen Masse zu vergleichen.
Technische Universität Ilmenau, Bachelorarbeit 2023
Bei der Steinbeis Qualitätssicherung und Bildverarbeitung GmbH wird im Rahmen des Forschungsprojekts "HyPetro" die VIS- und NIR-hyperspektrale Beleuchtung für ein hyperspektrales Bildverarbeitungssystem entwickelt. Diese Arbeit befasst sich mit der Entwicklung der Steuerungselektronik und -software für die NIR-hyperspektrale Beleuchtung. In den ersten Kapiteln werden Grundlagen über verschiedene Leuchtmittel behandelt sowie auf verschiedenen Beleuchtungsstrategien, die in der Bildverarbeitung zum Einsatz kommen, eingegangen. Es werden eine Anforderungsliste und Funktionstruktur erstellt, anhand derer die Komponenten für die Steuerungselektronik ausgewählt werden. Darauf folgt der Entwurf von Leiterplatten, um die Komponenten elektronisch miteinander zu verbinden und die Steuerungssoftware geschrieben. Als Grundlage für die Software wird ein Programmablaufplan erstellt. Ein erstes Funktionsmuster der Beleuchtung wird aufgebaut, mit welchem die Funktionalität der Steuerung und die technischen Parameter im Betrieb der Beleuchtung überprüft werden.
Entwicklung eines Konzeptes für einen Mikrotiterplatten-Reader. - Ilmenau. - 116 Seiten
Technische Universität Ilmenau, Masterarbeit 2023
Im Rahmen dieser Masterarbeit wird in Zusammenarbeit mit dem Unternehmen Steinbeis Qualitätssicherung und Bildverarbeitung GmbH ein Konzept für einen Mikrotiterplatten-Reader mit Digitalkamera entwickelt. Mikrotiterplatten-Reader sind in der Medizintechnik eingesetzte Laborgeräte, welche die Auswertung verschiedenster medizinischer Nachweisreaktionen mittels Bildverarbeitung ermöglichen. Die Konzeptentwicklung beinhaltet theoretische und experimentelle Untersuchungen, auf deren Grundlage das Bildverarbeitungssystem entworfen wird. Es werden sich grundlegend unterscheidende Anordnungskonzepte mit einer und mehreren Kameras sowie verschiedenen Beleuchtungssystemen untersucht. Dabei wird festgestellt, dass der Einsatz von Low-Cost-Bildverarbeitungskomponenten ein vielversprechender Ansatz für die Neuentwicklung eines Lesegeräts für Mikrotiterplatten ist. Weiterhin wird geprüft, ob die Verwendung eines Multi-Kamera-Systems zweckmäßig ist. Die Arbeit zeigt, dass der Einsatz mehrerer in einer Reihe angeordneter Kameras funktionserfüllend ist, zugleich aber kaum Vorteile gegenüber einer Einzelkameraanwendung hat. Im Rahmen dieser Masterarbeit wird schließlich ein aus einer Kamera bestehendes Low-Cost-Bildverarbeitungssystem mit Auf- und Durchlicht ausgewählt. Weiterhin beinhaltet die Konzeptentwicklung die Auslegung des 3-Achs-Positioniersystems. Dazu werden Lösungsprinzipe zur Umsetzung der Relativbewegung zwischen der Mikrotiterplatte und der Kamera erarbeitet und bewertet. Nach der Auswahl eines Positioniersystems werden die mechanischen und elektronischen Komponenten dimensioniert. Schlussendlich stehen ein CAD-Modell und ein Schaltplan zur Verfügung. Die Ergebnisse dieser Arbeit bilden die Grundlage zur Entwicklung eines funktionsfähigen Prototyps. Dieser wird ein erster Schritt hin zur Entwicklung eines serienreifen Mikrotiterplatten-Readers sein.
Technische Universität Ilmenau, Masterarbeit 2022
Diese Arbeit beschäftigt sich mit grundlegenden Untersuchungen im Bereich der hyperspektralen Bildgebung. Als Grundlage diente ein Hyperspektraldatensatz verschiedener Gesteinskörnungen, bei denen sich die Klassen hinsichtlich ihrer Eignung für die Betonherstellung unterscheiden und deshalb bestmöglich mittels maschinellen Lernverfahren klassifiziert werden sollen. Für die Optimierung des Klassifikationsprozesses wurde eine lineare Diskriminanzanalyse als Dimensionsreduktionsverfahren sowie Bandselektionsverfahren untersucht, welche relevante Spektralkanäle des Hyperspektralkubus bestimmen sollen. Für die Klassifikation kam ein auf Form-, Farb- und Texturmerkmalen trainierter Random-Forest-Klassifikator zur Anwendung. Die Berechnung der Bildmerkmale erfolgte auf Basis der ortsaufgelösten Bilder ausgewählter Spektralbänder. Darüber hinaus wurden einzelne Punktspektren des Datensatzes klassifiziert, sowie das Deep-Learning-Modell ResNet-50 auf dimensionsreduzierte Bilder angewandt. Im Rahmen der Untersuchungen ermöglichte keine der betrachteten Klassifikationsmethoden allein, den Datensatz mit einer Erkennungsrate von über 99% hinreichend genau zu klassifizieren. Es erwies sich jedoch eine Kombination von Klassifikationsmodellen auf Entscheidungsebene sowie auf Merkmalsebene als sinnvoll. So brachte eine Kombination der Bildmerkmale, die einerseits auf Spektralkanälen des Hyperspektralkubus und anderseits auf dimensionsreduzierten 3-Kanalbildern berechnet wurden, die höchsten Erkennungsraten. Dabei führte eine höhere Anzahl an genutzten Spektralbändern stets zu höheren Erkennungsraten, während eine Erhöhung der berechneten Bildmerkmale nicht immer zu einer Verbesserung des Klassifikationsergebnisses führte. Embedded Merkmalsselektionsverfahren konnten erfolgreich charakteristische Spektralbänder des Datensatzes ermitteln. Aufgrund der geringen Interklassenvariabilität des Datensatzes sind die ermittelten Kanäle verschiedener Klassen jedoch oft identisch. Bei einer Klassifikation auf Basis von Punktspektren ist ein möglichst großer Spektralbereich von Vorteil. Für weitere Untersuchungen bietet sich eine Kombination aus klassischen Klassifikatormodellen auf Basis von Bildmerkmalen und Punktspektren, sowie die Nutzung von Deep-Learning-Modellen an.
Untersuchungen zu dynamischen Kalibrierverfahren im 2D-Bild mittels eines virtuellen Kalibriernormals. - Ilmenau. - 163 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Diese Masterarbeit befasst sich mit der Entwicklung eines langzeitstabilen und wirtschaftlichen Kalibrierverfahrens für die 2D-Bildverarbeitung mit Hilfe eines virtuellen Kalibriernormals. Hierzu werden zunächst die Möglichkeiten der Kalibrierung optischer 2D-Bildverarbeitungssysteme erörtert sowie verschiedene Arten von Kalibriernormalen und Messfehlern. Anschließend werden Untersuchungen zur Eignung des Verfahrens an einem Koordinatenmessgerät durchgeführt. Ein weiteres Arbeitsergebnis ist die Konstruktion einer justierfähigen Kalibriernormalaufnahme, welche sowohl auf einem Koordinatenmessgerät, als auch im System Qualileo eingesetzt werden kann. Zuletzt wird die Eignung des Verfahrens am dafür geplanten optischen Bildverarbeitungssystem überprüft.
Erweiterung und Inbetriebnahme eines bildgestützten autopetrographischen Analysesystems und Implementierung einer objektgenauen RGB-Z-Datenfusion von CCD-Farbzeilenkamera und 3D-Laser-Line-Scanner. - Ilmenau. - 191 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Zur Vermeidung einer Alkali-Kieselsaure-Reaktion (AKR) in der Betonindustrie ist es zwingend erforderlich, alle AKR-kritischen Gesteinsklassen im Betonzuschlagstoff (Gestein) mit ihrem Masseanteil korrekt als solche zu klassifizieren, um kritische Lagerstätten bzw. Gesteinschargen von der Betonherstellung auszuschließen. In dieser Arbeit wurde das im Fachgebiet Qualitätssicherung und Industrielle Bildverarbeitung vorhandene bildgestützte petrografische Analysesystem, das für eine Klassifizierung der Gesteinsklassen konzipiert ist, zunächst in Betrieb genommen. Neben einer einheitlichen Ansteuerung über Python wurden die Farbzeilenkamera (RGB) und die Beleuchtungseinrichtungen justiert. Zur Berechnung des Massenanteils mit Hilfe der spezifischen Dichte ist die Höhenmessung der Objekte notwendig. Der vorhandene Aufbau wurde mit einem 3D-Laser-Line-Scanner zur Messung der Profilhöhe und des Volumens erweitert. Die Auswahl der untersuchten Scannern wurde mittels einer Bewertungsmatrix nach VDI 2555 realisiert. Für eine datenverlustfreie und kontinuierliche Aufnahme von RGB- und 3D-Informationen mehrerer ankommender Objekte wurde ein Algorithmus konzipiert, der es ermöglicht aus dem kontinuierlichen Datenfluss über den ersten Zuschnitt der Szene und dem anschließenden Zuschnitt des Objektes die notwendigen Informationen zu extrahieren. Aufgrund der sequentiellen Bearbeitung in Python wurden die Prozesse per Multiprocessing parallelisiert. Es wurde für eine richtige Informationszuordnung der Objekte ein Vorgehen implementiert, das aus den ankommenden Daten über die Konturmerkmale die RGB-Daten den 3D-Daten zuordnet. Um dem Deep-Learning-Modell die notwendigen Objektdaten zum Antrainieren weiterzugeben muss jedem Pixel im RGB-Bild eine 3D-Information (x-, y- und z-Informationen) zugewiesen werden. Es wurden für die Datenfusion von RGB-Daten und 3D-Daten verschiedene Methoden verglichen. Es wurden die Interpolationsverfahren mit dem Joint Bilateral Upsampling (JBU) und den Markov Random Fields (MRF) anhand von statistischen und kantenbasierter Bewertungsgrößen verglichen. Nach der Fusion wurde ein Vorgehen in der Nachbearbeitung entwickelt, das eine pixelgenaue Fusion von RGB-Daten und 3D-Daten ermöglicht.
Optimisation of the 3D point cloud by using a non-end-to-end stereo matching framework for disparity refinement. - Ilmenau. - 61 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Das Stereo-Matching zur Disparitätsvorhersage aus rektifizierten Bildpaaren ist für viele Sehaufgaben wie Tiefenwahrnehmung und autonomes Fahren. Sie hat auch vom Deep Learning profitiert. In den letzten Jahren wurden mehrere Verfahren vorgeschlagen, die in End-to-End und Non-End-to-End Frameworks. End-to-End Frameworks verarbeiten alle Schritte in der Stereo Matching Pipeline, i.e. Kostenberechnung, Kostenaggregation, Disparitätsauswahl und Disparitätsverfeinerung. Non-End-to-End Frameworks ersetzen einen der vier Schritte in der Stereo Matching Pipeline. In dieser Masterarbeit habe ich den aktuellen Stand der Technik von Non-End-to-End Stereo Matching Frameworks für Disparitätsverfeinerung namens i DRR[40], RecResNet[41], LRCR[42], FD-Fusion[43] und Neural Disparity Refinement for Arbitrary Resolution Stereo[44] und wählte RecResNet und FD-Fusion für das Training mit den Datensätzen ausgewählt. Der Code wurde für die ausgewählten Frameworks geändert, um mit Python 3, den neuesten Python-Bibliotheken und unserem Datensatz kompatibel zu sein. Skripte wurden Skripte für die Datenvorverarbeitung, die Datenerweiterung und die Berechnung von Fehlerkarten geschrieben. Ausgewählte Frameworks wurden mit der SGBM-Methode von OpenCV kombiniert und auf Out-of-Distribution Datensätzen (KITTI 2015, SceneFlow (Driving)) und einem In-Distribution Datensatz (id25) trainiert. RecResNet schnitt bei allen Datensätzen nicht gut ab und wurde für weitere Trainings/Tests verworfen. FD-Fusion lieferte anfänglich vielversprechende Ergebnisse in allen Datensätzen und wurde für weiteres Training/Tests im id25-Datensatz. Das Modell wurde in vier verschiedenen Szenarien für den id25-Datensatz trainiert, die Folgendes umfassen Training des Modells ausschlieSSlich auf dem id25 (Assembly 1) Datensatz, Training des Modells auf dem id25 (Assembly 1), das auf SceneFlow trainiert wurde, das Training des Modells auf dem id25 (Assembly 1) Datensatz mit Datenerweiterung Augmentation, trainiert mit SceneFlow und Training des Modells auf dem id25 (Assembly 1 3 4)-Datensatz mit Datenerweiterung, die zuvor mit SceneFlow trainiert wurden Ausführliche Experimente und Bewertungen wurden wurden mit Disparitätskarten und 3DPunktwolken durchgeführt. Fehlerkarten wurden für vorhergesagte Disparitätskarten berechnet, und die Oberflächendistanz wurde mit segmentierten Teilen von 3D-Punktwolken Punktwolken berechnet, die unter Verwendung vorhergesagter Disparitätskarten erzeugt wurden. Nach eingehender Analyse der Ergebnisse wurde festgestellt, dass wurde geschätzt, dass eine Erhöhung der Trainingsdaten um approximately 300 Bilder den Fehler um approximately 10% senkt. Die Studie und die Ergebnisse sind hilfreich für Unternehmen oder Abteilungen, die Stereovision einsetzen oder in diesem Bereich beginnen.
Aufbau eines 3D-Analysesystems für die Messung von Forstwegen (Wegekörperobefläche). - Ilmenau. - 109 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Stereo Imaging stellt aufgrund eines relativ einfachen Aufbaus und aufgrund umfangreicher freier Softwarepakete ein weitverbreitetes optisches Messverfahren für 3D-Messung dar. Eine Anwendung dieser Verfahren im forstlichen Umfeld für die Messung von Wegeprofilen ist nach Recherchen zum Stand der Technik bisher noch nicht erfolgt. Ziel der vorliegenden Arbeit ist es, ein Messsystem für die dreidimensionale Erfassung des Wegeprofils von Wald uns Forstwegen im Rahmen des CONTURA-Projektes auf Basis von stereoskopischen Methoden auszulegen und zu testen. Die Auslegung umfasst dabei eine Betrachtung der Bearbeitungszeiten für die Auswertung der Bilddaten in der Skriptsprache Python und dem Softwarepaket OpenCV und eine Optimierung mit dem Ziel einer Echtzeitbearbeitung. Die Bearbeitungszeit konnte dabei für eine Bildfrequenz von 30 Bildern/s der Größe 1280x860 auf 0,8 s reduziert werden. Hierbei erlangte das getestete Verfahren (SAD) nicht die gewünschte Tiefenauflösung.Höhere Auflösungen konnten durch die Variation der in OpenCV enthaltenen Blockmatchingmethoden erzielt werden. Die damit eingehende Erhöhung der Bearbeitungszeit um das Zehnfache macht eine echtzeitfähige Auswertung unter den gegebenen Anforderungen nicht realisierbar. Die annähernde Verdopplung in der Genauigkeit der Bildpunktsuche sowie die Subpixelauflösung erwiesen sich für die weiteren Untersuchungen als vorteilhafter als eine geringe Bearbeitungszeit. Darüberhinaus ist ein post-processing nach erfolgter Bildaufnahme ebenfalls eine Option. Im Rahmen der mechanischen Auslegung erfolgte das Erstellen von Modellen zur Ermittlung der Kameraanzahl und Sensoranforderungen für parallele und konvergente Ausrichtung der Kameras, um einem Bereich von vier Metern durchgängig mit einer in einem Bereich von mindestens ± 150 mm zu messen. Die Wahl des Kamerasystems erfolgte unter Berücksichtigung der Wirtschaftlichkeit, theoretischen Genauigkeit und rechtlichen Anforderungen. Die Funktionsfähigkeit des ausgelegten stereoskopischen Aufbaues und der Modelldaten wurde zuletzt in Feldmessungen validiert. Hierbei konnte eine Prozessfähigkeit in den Grenzen von ±10 mm gewährleistet werden. Die Detektion von Schäden erfolgte dabei zuverlässig bei Geschwindigkeiten von bis zu 10 km/h ohne zusätzliche Belichtung. Höherer Geschwindigkeiten sind durch den Einsatz einer aktiven Beleuchtung denkbar. Zur Reduktion des Einflusses des Umgebungslichtes wurden Untersuchungen zur Sonnenlichtunterdrückung unter Ausnutzung der Wasserdampfabsorptionsbande (940nm) durchgeführt. Der Effekt lässt sich für die Störlichtunterdrückung nutzen erfordert jedoch eine tageslichtabhängige Zusatzbeleuchtung. Die Eignung der stereoskopischen Methoden für die Detektion von Wegeschäden entlang der Wegkrone konnte nachgewiesen werden. Optimierungsbedarf besteht jedoch hinsichtlich der automatisierten Belichtung sowie der schnellen Bildaufnahme bei ca. 30km/h.