Volume 88, Issue 7-8 - Forum Bildverarbeitung 2020 / Gastherausgeber: Michael Heizmann, Thomas Längle

Battery technology is a key component in current electric vehicle applications and an important building block for upcoming smart grid technologies. The performance of batteries depends largely on quality control during their production process. Defects introduced in the production of electrodes can lead to degraded performance and, more importantly, to short circuits in final cells, which is highly safety-critical. In this paper, we propose an inspection system architecture that can detect defects, such as missing coating, agglomerates, and pinholes on coated electrodes. Our system is able to acquire valuable production quality control metrics, like surface roughness. By employing photometric stereo techniques (PS), a shape from shading algorithm, our system surmounts difficulties that arise while optically inspecting the black to dark gray battery coating materials. We present in detail the acquisition concept of the proposed system architecture, and analyze its acquisition-, as well as, its surface reconstruction performance in experiments. We carry these out utilizing two different implementations that can operate at a production speed of up to 2000 mm/s at a resolution of 50 µm per pixel. In this work we aim to provide a system architecture that can provide a reliable contribution to ensuring optimal performance of produced battery cells.

Zusammenfassung Diese Arbeit untersucht die Eignung und Übertragbarkeit von synthetisch erzeugten Trainingsdaten zur Detektion von Weizenähren mithilfe neuronaler Netze aus dem Bereich der semantischen Bildsegmentierung. Zur Erstellung dieser Daten werden detaillierte Szenen von Weizenfeldern bestehend aus wenigen manuell erstellten 3D Modellen mit hochaufgelösten Texturen und definierten Materialeigenschaften geschaffen. Dabei bilden die generierten Szenen verschiedene Reifegrade der Weizenpflanzen ab. Anschließend werden photorealistische Farbbilder der Szene synthetisiert und zusätzlich binäre Bildmasken, die die Positionen der modellierten Ähren enthalten. Die so erhaltenen Bildpaare werden anschließend als Trainingsgrundlage für zwei neuronale Netze (U-Net und DeepLabv3+) genutzt, ohne dass manuelle Annotationen notwendig sind. Zur Untersuchung, ob diese Daten eine Domänenadaption ermöglichen, werden die trainierten Netze anhand von realen Weizenfeldaufnahmen evaluiert. Der IoU-Wert von ca. 0,66 zeigt, dass eine Informationsübertragung aus den synthetischen Bildern auf reale Bilder möglich ist. Abschließend werden die Ergebnisse auf Luftbilder, die mithilfe eines UAVs aufgenommen wurden, übertragen. Es zeigt sich, dass die verminderte Auflösung dieser Bilder die Erkennungsrate deutlich vermindert.

Training a deep learning network requires choosing its weights such that the output minimizes a given loss function. In practice, stochastic gradient descent is frequently used for solving the optimization problem. Several variants of this approach have been suggested in the literature. We study the impact of the choice of the optimization method on the outcome of the learning process at the example of two image processing applications from quite different fields. The first one is artistic style transfer, where the content of one image is combined with the style of another one. The second application is a real world classification task from industry, namely detecting defects in images of air filters. In both cases, clear differences between the results of the individual optimization methods are observed.

Zusammenfassung In dieser Arbeit wird eine effiziente Methode zur Schätzung der Ego-Fahrstreifen vorgestellt. Das System ist ausgelegt auf die Anwendung für Mikromobilitätssysteme wie E-Fahrräder, E-Scooter oder E-Dreiräder und basiert auf Sequenzen von RGB-Bildern, die aus der Fahrerperspektive aufgenommen werden. Um die Grenzen verschiedener Fahrbahntypen, insbesondere Fußwegen, Radwegen und Straßen, robust zu detektieren, wird ein gradientenbasierter Kantendetektor mit einem Farbsegmentierungansatz kombiniert. Sowohl geometrische Gegebenheiten als auch zeitliche Inferenz werden genutzt, um die Schätzung zu optimieren, insbesondere in schwierigen Fällen wie Kurven. Dabei ist insbesondere die dynamische Schätzung des Fluchtpunkts mithilfe des Optischen Flusses zwischen zwei aufeinanderfolgenden Bildern von Bedeutung. Tests mit zwei Aufnahmesetups und drei verschiedenen Aufrahmeraten zeigen, dass der Ego-Fahrstreifen in den meisten Fällen mit hoher Genauigkeit detektiert und in Kurven passend approximiert wird. Dies wird von der quantitative Evaluation anhand von über 2000 Testbildern bestätigt, die eine IoU von 75,28 % ergibt. Eine Performanz von 12 fps auf einem Raspberry Pi 3 zeigt zudem, dass die Methode wenig rechenintensiv ist, was als Vorraussetzung für die Anwendung in der Mikromobilität gilt.

Zusammenfassung Eine besonders kritische Flugphase bei der Automatisierung von unbemannten automatisch fliegenden Systemen (UAV) stellt das Landen dar. Je nach Größe des nutzbaren Flugkorridors und des Landeplatzes sind hier Genauigkeiten im Zentimeterbereich an die Wiederholbarkeit der Flugbahn und Landeposition gefordert. Elektromagnetische Störungen können die Nutzung herkömmlicher Systeme wie GNSS besonders im Landebereich erschweren. Das von IAV entwickelte optische Ortungssystem stellt eine ganzheitliche Entwicklung dar, die über den Aufbau der Referenzmarker, die Einbindung und hardwareseitige Steuerung der Kamera, die Bildverarbeitung und Positionsberechnung bis hin zu der Integration in das Flugsteuerungssystem reicht. Durch den spezifischen Aufbau unseres Systems wird eine hohe Robustheit gegenüber Änderungen der Umgebungsbedingungen erreicht. Zusätzlich wird die Integrität des Systems durch die Schätzung der (Positions-)Genauigkeiten und der Rückmeldung des Zustandes des Gesamtsystems sichergestellt. Durch das Kalibrieren der Landemarkierungen und die Integration des erweiterten Kalman Filters ist zusätzlich eine absolute Ortung im Raum möglich. Die Entwicklung und Tests des Systems erfolgten sowohl in der Simulation als auch unter realen Flugbedingungen.

Recent research indicates that a direct correlation exists between brain activity and oscillations of the pupil. A publication by Park and Whang shows measurements of excitations in the frequency range below 1 Hz. A similar correlation for frequencies between 1 Hz and 40 Hz has not yet been clarified. In order to evaluate small oscillations, a pupillometer with a spatial resolution of 1 µm is required, exceeding the specifications of existing systems. In this paper, we present a setup able to measure with such a resolution. We consider noise sources, and identify the quantisation noise due to finite pixel sizes as the fundamental noise source. We present a model to describe the quantisation noise, and show that our algorithm to measure the pupil diameter achieves a sub-pixel resolution of about half a pixel of the image or 12 µm. We further consider the processing gains from transforming the diameter time series into frequency space, and subsequently show that we can achieve a sub-micron resolution when measuring pupil oscillations, surpassing established pupillometry systems. This setup could allow for the development of a functional optical, fully-remote electroencephalograph (EEG). Such a device could be a valuable sensor in many areas of AI-based human-machine-interaction.

The multi-seed region growing (MSRG) algorithm from previous work is extended to extract elongated segments from breast Magnetic Resonance Imaging (MRI) stacks. A model is created to adjust the MSRG parameters such that the elongated segments may reveal vessels that can support clinicians in their diagnosis of diseases or provide them with useful information before surgery during e. g. a neoadjuvant therapy. The model is a pipeline of tasks and contains user-defined parameters that influence the segmentation result. A crucial task of the model relies on a skeletonization-like algorithm that collects useful information about the segments’ thickness, length, etc. Length, thickness, and gradient information of the pixel intensity along the segment helps to determine whether the extracted segments have a tubular structure, which is assumed to be the case for vessels. In this work, we show how the results are derived and that the MSRG algorithm is capable of extracting vessel-like segments even from noisy MR images.

The following article describes the development of a millimetre wave based real-time imaging system for three dimensional non-destructive testing of goods. For this purpose a rotating antenna is used which is fed from an FMCW radar. The received measuring data is processed with a SAR algorithm. Due to the fact that a reflexive measurement method is used, the integration of the system into existing systems is simplified. To make the computing power-intensive SAR image processing possible, the complete signal processing chain of the image processing is executed on the graphics card. The article elucidates the concept for calculating the measurement parameters which have to be elaborated for the implementation of the image processing of the whole system.