KonenäköLaajuus (5 op)
Tunnus: TSAR0520
Laajuus
5 op
Opetuskieli
- suomi
Vastuuhenkilö
- Juho Riekkinen
Osaamistavoitteet
Tutustut erilaisiin konenäköratkaisuihin ja sovelluskohteisiin (mukaan lukien robotiikka). Tällä opintojaksolla opiskelu edellyttää tekniikan alan perusosaamista ja ohjelmointitaitoja ja tämä opintojakso mahdollistaa aiheen syvällisemmän opiskelun toisilla opintojaksoilla.
EUR-ACE TEKNIIKAN SOVELTAMINEN KÄYTÄNTÖÖN
Tunnet ja osaat käyttää konenäköjärjestelmien kuvanmuodostus-, esikäsittely- ja kuva-analyysimenetelmiä harmaasävy- ja värikameroille. Tunnet konenäön laitekomponenttien ominaisuudet (kamerat, kuvankäsittelykomponentit, valonlähteet, optiikka, liitynnät). Ymmärrät konenäköjärjestelmien toiminnan, rajoitukset ja mahdollisuudet. Osaat suunnitella konenäkölaitteiston ja ohjelmoida konenäkösovelluksen ja konenäköalgoritmit loppukäyttäjän tarpeen mukaisesti. Osaat mitoittaa ja suunnitella konenäköjärjestelmän asennuksen loppukäyttäjän kohteeseen asennusolosuhteiden asettamien tarpeiden mukaisesti (optinen geometria, kamera- ja valaistusvaihtoehtojen valinnat, liityntä automaatiojärjestelmään, olosuhdesuojaukset).
Sisältö
Kamera- ja valonlähdetekniikka
Optinen mitoitus
Kuvanmuodostus
Kuva-analyysi
Konenäköjärjestelmän suunnittelu
Konenäkösovelluksen ohjelmointi ja konenäköalgoritmien soveltaminen
Liitynnät ulkoisiin järjestelmiin
Esitietovaatimukset
Tekniikan alan perusosaaminen, ohjelmointitaidot
Arviointikriteerit, tyydyttävä (1)
Välttävä (1): Osaat osittain konenäköjärjestelmän suunnittelun sekä otat osittain huomioon asennukseen liittyvät tarpeet. Osaat suunnitella ja toteuttaa konenäkösovelluksia laitevalintojen, ohjelmiston ja asennuksen osalta, mutta suunnittelussa ja toteutuksen toimivuudessa on merkittäviä puutteita.
Tyydyttävä (2): Osaat pääosin konenäköjärjestelmän suunnittelun sekä otat huomioon asennukseen liittyvät tarpeet sovelluksen vaatimusten mukaisesti. Osaat suunnitella ja toteuttaa konenäkösovellukset laitevalintojen, ohjelmiston ja asennuksen osalta, mutta suunnittelussa ja/tai toteutuksen toimivuudessa on puutteita.
Arviointikriteerit, hyvä (3)
Hyvä (3): Osaat ratkaista konenäköjärjestelmän suunnittelun sekä asennukseen liittyvät kysymykset sovelluksen vaatimusten mukaisesti. Osaat suunnitella ja toteuttaa konenäkösovellukset toimivalla tavalla laitevalintojen, ohjelmiston ja asennuksen osalta. Toimivasta toteutuksesta huolimatta valinnat ja/tai toteutus ei ole paras mahdollinen.
Kiitettävä (4): Hallitset konenäköjärjestelmän suunnittelun sekä asennuksen haasteet sovelluksen vaatimusten mukaisesti. Osaat suunnitella ja toteuttaa konenäkösovellukset erittäin hyvällä tavalla laitevalintojen, ohjelmiston ja asennuksen osalta, mutta ratkaisuissa on pieniä valinta- tai toteutuseroja optimaaliseen verrattuna.
Arviointikriteerit, kiitettävä (5)
Erinomainen (5): Hallitset konenäköjärjestelmän suunnittelun sekä asennuksen määrittelyn sovelluksen vaatimusten mukaisesti. Osaat suunnitella ja toteuttaa haastavatkin konenäkösovellukset optimaalisella tavalla laitevalintojen, ohjelmiston ja asennuksen osalta.
Enrollment
01.11.2024 - 09.01.2025
Timing
01.01.2025 - 18.05.2025
Number of ECTS credits allocated
5 op
Mode of delivery
Face-to-face
Unit
School of Technology
Campus
Lutakko Campus
Teaching languages
- English
Seats
20 - 35
Degree programmes
- Bachelor's Degree Programme in Electrical and Automation Engineering
Teachers
- Samppa Alanen
- Juho Riekkinen
Groups
-
TAR22S1Bachelor's Degree Programme in Automation and Robotics
Objective
Main objectives for this course are acquiring knowledge and getting familiar with different types of machine vision systems and solutions (including robotics applications). Studying in this course require fundamentals in field of technology and programming skills. This course enables further studies of the subject in other courses.
EUR-ACE ENGINEERING PRACTICE
Student is familiar and able to use image acquisition, image pre-processing and image analysis functions in machine vision systems with grayscale and color cameras. Student is familiar with hardware component properties (cameras, image processing components, light sources, optics, connections) in machine vision. Student understands functionalities, limits and opportunities in machine vision systems. Student is able to design machine vision system and program machine vision application and algorithms according to end-user requirements. Student is able to design the installation of the machine vision system according to end-user needs (designing optical geometry, choosing camera and lightning options, implementing interface to automation system, designing environmental protection).
Content
Camera and lightning technologies
Optics
Image acquisition
Image analysis
Designing machine vision system
Programming machine vision application and applying machine vision algorithms
Interfaces for external systems
Oppimateriaali ja suositeltava kirjallisuus
Materials in the e-learning environment.
Teaching methods
- independent study
- distance learning
- webinars
- small group learning
- laboratory work
- learning tasks
Exam schedules
The possible date and method of the exam will be announced in the course opening.
Vaihtoehtoiset suoritustavat
The admission procedures are described in the degree rule and the study guide. The teacher of the course will give you more information on possible specific course practices.
Student workload
One credit (1 Cr) corresponds to an average of 27 hours of work.
- lectures 40h
- independent study and assignments 50h
- laboratory work and small group learning 45h
Total 135 h
Further information
The evaluation is based on the qualitative evaluation of the exam and exercises/assignments.
Evaluation scale
0-5
Arviointikriteerit, tyydyttävä (1-2)
Sufficient (1): Students is partly able to design machine vision system and take into account the requirements of the application. Students is able to design and implement hardware, software and installations for machine vision applications but the design and implementation is significantly incomplete.
Satisfactory (2): Student is mainly able to design machine vision system and take into account the requirements of the application. Students is able to design and implement hardware, software and installations for machine vision applications but the design and/or implementation is incomplete.
Arviointikriteerit, hyvä (3-4)
Good (3): Student is able to solve machine vision system design and installation issues according to the requirements of the application. Students is able to design and implement machine vision applications in a functional way including component selection, software and installations. Despite functional implementation, selections and/or implementation are not optimal.
Very good (4): Student is able to manage the design and installation challenges of a machine vision system according to the requirements of the application. Students is able to design and implement machine vision applications in a very good way including component selection, software and installations but there are small selection or implementation differences in the solutions compared to the optimal.
Assessment criteria, excellent (5)
Excellent (5): Student is able to master the design and installation of a machine vision system according to the requirements of the application. Student is able to design and implement challenging machine vision applications in an optimal way including component selection, software and installations.
Qualifications
Fundamentals in field of technology, programming skills