Ähnliche Jobangebote
![Logo von Northrop Grumman LITEF GmbH](https://d3f6gjnauy613m.cloudfront.net/system/production/companies/006/695/d359d7ef0302d3c32efe1f0acf0bd78a674d991b/tiny_litef-logo-pnUdZCEpgWkszAn.jpg?1724038213)
![Logo von Northrop Grumman LITEF GmbH](https://d3f6gjnauy613m.cloudfront.net/system/production/companies/006/695/d359d7ef0302d3c32efe1f0acf0bd78a674d991b/tiny_litef-logo-pnUdZCEpgWkszAn.jpg?1724038213)
![Logo von Northrop Grumman LITEF GmbH](https://d3f6gjnauy613m.cloudfront.net/system/production/companies/006/695/d359d7ef0302d3c32efe1f0acf0bd78a674d991b/tiny_litef-logo-pnUdZCEpgWkszAn.jpg?1724038213)
![Logo von Northrop Grumman LITEF GmbH](https://d3f6gjnauy613m.cloudfront.net/system/production/companies/006/695/d359d7ef0302d3c32efe1f0acf0bd78a674d991b/tiny_litef-logo-pnUdZCEpgWkszAn.jpg?1724038213)
Bachelor- & Masterarbeit Maschinelles Lernen und Bildanalyse für Prüfaufgaben
Jetzt bewerbenStellenbeschreibung
Das Fraunhofer-Institut für Fabrikbetrieb und -automatisierung IFF Magdeburg sucht für die Abteilung Fertigungsmesstechnik und digitale Assistenzsysteme engagierte Masterstudentinnen und -studenten, die als studentische Hilfskräfte in einem Team verschiedene Untersuchungen zu Methoden maschinellen Lernens für die Analyse von Bildern zur Prüfung industrieller Bauteile fortführen. Ziel ist es, die gefundenen Ergebnisse in Ihrer Masterarbeiten zu dokumentieren. Idealerweise liegt noch mindestens ein Jahr Ihres Masterstudiums vor Ihnen.
In den letzten Jahren konnte maschinelles Lernen auf vielfältige Problemstellungen im Bereich der automatischen Bildanalyse erfolgreich angewendet werden. Dazu beigetragen haben die Fortschritte beim Trainieren neuronaler Netze mit vielen Schichten, die Verfügbarkeit großer Mengen von Trainingsdaten und neue Architekturen wie z.B. Vision Transformer.
Was Sie bei uns tun
Bei der Montageprüfung soll anhand von Kamerabildern überprüft werden, ob Anbauteile vorhanden und in der richtigen Position montiert sind. Wir verfügen über Bildpaare von Bauteilansichten. Das eine Bild zeigt eine Kameraaufnahmen eines zu prüfenden Bauelementes und das zweite ein CAD-Rendering aus der gleichen Perspektive. Hier ist zu entscheiden, ob das Kamerabild die durch das CAD-Bild repräsentierte Sollsituation zeigt, oder ob ein Montagefehler vorliegt. Eine Herausforderung ist, dass Trainingsdaten nur in begrenzten Mengen verfügbar sind und Fehlerbeispiele extrem selten sind, da sie häufig aufwendig hergestellt werden müssen. Deshalb ist es sinnvoll, dieses Klassifikationsproblem als Anomaliedetektion zu betrachten.
Zu diesem Thema wurden bereits mehrere Masterarbeiten mit interessanten Ergebnissen abgeschlossen, auf denen aufgebaut werden kann. Ein wichtiger Aspekt für die automatisierte Prüfung ist, dass keine Fehler übersehen werden sollen.
Neben den Untersuchungen zu lernenden Ansätzen, betrachten wir auch Bildanalysewerkzeuge. Die HALCON-Bibliothek stellt z.B. eine Funktion zum Finden von Kantenmodellen in Bildern zur Verfügung. Nutzt man das CAD-Rendering, um das Kantenmodell zu erzeugen, so kann Erfolg und Misserfolg dieser "Finde"-Funktion einen Hinweis auf das Vorhandensein des Bauteils geben.
Was Sie mitbringen
Sie studieren im Fachbereich Informatik bzw. einer vergleichbaren MINT-Studienrichtung und können einen erfolgreichen Studienverlauf vorweisen. Eine selbstständige, kooperative und verantwortungsbewusste Arbeitsweise mit hoher Einsatzbereitschaft setzen wir voraus.
Zur Erfüllung Ihrer Aufgaben bringen Sie folgende Voraussetzungen mit:
- Sie haben Vorkenntnisse im Bereich Bildverarbeitung
- Sie haben Vorkenntnisse zum Thema maschinelles Lernen.
- Sie programmieren gern und haben Erfahrungen in Python.
- Sie sind in der Lage für eine Problemstellung vorhandene Open-Source Bibliotheken zu recherchieren und auf ihre Eignung zu testen. Vielleicht haben Sie bereits Erfahrungen mit PyTorch oder Vision Transformern wie SAM
- Sie lösen Aufgaben gern im Team.
- Sie haben sehr gute Englischkenntnisse.
Für Ihre Masterarbeit an Ihrer Universität oder Hochschule benötigen Sie eine akademische Betreuerin oder einen akademischen Betreuer aus dem Bereich maschinelles Lernen oder Bildverarbeitung, die Interesse an dem beschriebenen Thema haben. An der Fakultät INF der OvGU wurden Arbeiten zu diesem Thema bereits von den Lehrstühlen von Prof. Nürnberger, Prof. Stober, Prof. Ortmeier, Prof. Preim und an der Fakultät EIT von Prof. Siegert betreut.
Was Sie erwarten können
Es erwartet Sie eine interessante und abwechslungsreiche Tätigkeit in einem modernen und herausfordernden Arbeitsumfeld. Sie bekommen die Möglichkeit, Ihre bisher erworbenen fachlichen und methodischen Kenntnisse zielgerichtet zu erweitern und zu vertiefen.
Darüber hinaus bieten sich Ihnen:
- vielseitige Einblicke in aktuelle anwendungsorientierte Technologien im Bereich der Montageassistenz und -prüfung und der optischen 3D-Messtechnik
- Möglichkeiten zur persönlichen längerfristigen Weiterentwicklung am Fraunhofer IFF
- ein Team, welches Ihnen persönlich mit Rat und Tat zur Seite steht
Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.
Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.
Haben wir Ihr Interesse geweckt? Dann bewerben Sie sich jetzt online mit Ihren aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Sie kennenzulernen!
Fragen zu dieser Ausschreibung beantwortet Ihnen gerne:
Herr Dr. Thomas Dunker
Mail: thomas.dunker@iff.fraunhofer.de
Abteilung: Optische Messtechnik
Fraunhofer-Institut für Fabrikbetrieb und -automatisierung IFF
Kennziffer: 74703 Bewerbungsfrist: 18.08.2024