241-252 ชุดวิชาเครื่องจักรวิทัศน์อัจฉริยะ 9((6)-6-15) หน่วยกิต

Intelligent Machine Vision Module 

 คำอธิบายชุดวิชา

พื้นฐานของการมองเห็นคอมพิวเตอร์: ธรรมชาติของภาพ, การเปลี่ยนแปลงที่เป็นเนื้อเดียวกัน, การได้มาของภาพ, การสร้างภาพทางเรขาคณิต และออปติคอล, การฉายภาพมุมมอง, เทคโนโลยีกล้องและการออกแบบระบบการมองเห็นพื้นฐานของการประมวลผลภาพ: การกรอง, การตรวจจับขอบ, การตรวจจับ คุณสมบัติ, รูปทรง, การแบ่งส่วน, ตัวดำเนินการทางสัณฐานวิทยา การสอบเทียบ: รุ่นของกล้อง, พารามิเตอร์กล้องภายในและภายนอก, การปรับเทียบกล้อง การเคลื่อนไหว: ตรวจจับ การเคลื่อนไหวไหล ออปติคอลการติดตามวัตถุจับการเคลื่อนไหว การถ่ายภาพสามมิติ: เรขาคณิตแบบ Epipolar, การมองเห็น แบบสามมิติ, การถ่ายภาพช่วงแอคทีฟ, แสงแบบมีโครงสร้าง การสร้างแบบจลองและการลงทะเบียน: เทคนิคการสร้างแบบจลองสหรับระบบอัตโนมัติ, ฟิวชันข้อมูล, การทำแผนที่ความไม่แน่นอน, การลง ทะเบียน, การประมาณแบบ Pose แอปพลิเคชัน: การควบคุมคุณภาพ, ข้อเสนอแนะภาพ, การทำแผนที่ และคำแนะนำหุ่นยนต์, การตรวจสอบกิจกรรม, การประมาณการเคลื่อนไหว, ระบบอัตโนมัติ, อุปกรณ์ถ่าย ภาพชีวการแพทย์ โครงงานย่อยวิศวกรรมปัญญาประดิษฐ์

ผลลัพธ์การเรียนรู้:

ผู้เรียนสามารถ

1. การคิด วิเคราะห์ และวางแผนเชิงระบบ เพื่อการปรับปรุงประสิทธิภาพและเพิ่มผลิตภาพ กระบวนการผลิตในอุตสาหกรรมด้วยเทคโนโลยีแมชชีนวิชันได้ 

2. วางแผนจัดการ ดำเนินการ การนำเทคโนโลยีแมชชีนวิชันไปใช้ในการการปรับปรุงประสิทธิภาพและเพิ่มผลิตภาพกระบวนการผลิตในอุตสาหกรรมได้

3. ออกแบบพัฒนาและติดตั้งเทคโนโลยีแมชชีนวิชันที่เหมาะสมกับกระบวนการผลิตได้

4. รวบรวมข้อมูลและวิเคราะห์ผลการทดสอบเทคโนโลยีแมชชีนวิชันได้

5. ทำงานทำร่วมกับผู้เชี่ยวชาญด้านต่าง ๆ เช่น วิศวกรด้านการผลิตในอุตสาหกรรม วิศวกรรมไฟฟ้าและวิศวกรรมควบคุมได้

Course Description

Basics of computer vision: Nature of images, Homogeneous transformations, Image acquisition, geometrical and optical image formation, perspective projection, camera technologies and vision systems design. basics of Image processing: filtering, edge detection, features detection, contours, segmentation, morphological operators. calibration: camera model, Intrinsic and extrinsic camera parameters, camera calibration. motion: motion detection, optical flow, object tracking, motion capture. three-dimensional imaging: epipolar geometry, stereoscopic vision, active range imaging, structured lighting. modeling and registration: modeling techniques for autonomous systems, data fusion, uncertainty mapping, registration, pose estimation. applications: quality control, visual feedback, mapping and robot guidance, activity monitoring, motion estimation, autonomous systems, biomedical imaging devices; artificial Intelligence small project

Learning outcomes:

Students are able to

1. think, analyze and plan systematically for improving and increasing the efficiency of the production process in the industry applying machine vision technology

2. plan, manage and implement the machine vision technology in order to improve and increase the efficiency of the production process in the industry

3. design, develop and install the machine vision technology suitable for the production process.

4. collect data and analyze test results of machine vision systems

5. collaborate with various experts such as production engineers, electrical engineers and control engineers

 

License Plate Recognition (LPR) Detection and Tracking: Object Recognition

 

 

 

• ก่อนหน้า
• ต่อไป