Waldkirch: Thesis: Bildbasierte Objektsegmentierung mit Hilfe von KI-Beschleuniger auf Embedded Kamerasystemen

Wintersemester 2026/27 – befristet auf 3–6 Monate

In der Logistik ist die präzise Zuordnung erkannter Merkmale (z. B. Barcodes) zu den entsprechenden Objekten (z. B. Paketen) entscheidend. Aktuell sind jedoch nur die Positionen der Merkmale im Bild bekannt – nicht aber die der Objekte selbst. Dies erschwert die Zuordnung, insbesondere bei dicht beieinanderliegenden Objekten. Zur Verbesserung der Zuordnungsgenauigkeit soll daher die Objektregion im Bild identifiziert werden. Durch die Korrelation der Objektregion mit der Position des Merkmals lässt sich die Zuverlässigkeit der Zuordnung deutlich steigern. Ziel dieser Arbeit ist die Integration eines Demonstrators auf einem Embedded-Kamerasystem, der anhand von Bildsequenzen von Materialströmen einzelne Objekte in Echtzeit segmentiert und lokalisiert.

IHRE AUFGABEN:

• Inbetriebnahme eines KI-Beschleunigers auf einem Embedded-Kamerasystem
• Implementierung einer KI-basierten Segmentierung zur Objekterkennung mithilfe des KI-Beschleunigers
• Umsetzung einer lauffähigen Lösung auf einem Embedded-Kamerasystem
• Evaluierung der entwickelten Lösung in einer realen Anwendungsumgebung

IHR PROFIL:

• Studium der Informatik, Computer Vision, Maschinelles Lernen oder eines vergleichbaren Fachgebiets
• Grundlegende Kenntnisse in Optik oder Physik
• Programmiererfahrung in Python, MATLAB, Lua oder C++
• Selbstständige und strukturierte Arbeitsweise sowie schnelle Auffassungsgabe
• Ausgeprägte Team- und Kommunikationsfähigkeit

Kontakt: Sarah Disch