Zastosowanie uczenia maszynowego do kompensacji oświetlenia środowiskowego w przemysłowych systemach wizyjnych.

Celem projektu jest zastosowanie algorytmów PyTorch opartych o uczenie maszynowe w środowisku programistycznym TwinCAT firmy Beckhoff Automation w celu wyeliminowania negatywnego wpływu zmiennego oświetlenia zewnętrznego na wyniki kontroli wizyjnej. W szczególności przygotowane zostaną zbiory danych wsadowych do algorytmu uczenia maszynowego odpowiadające dwóm najczęściej wykorzystywanym w kontroli wizyjnej typom obrazów, czyli obrazami w odcieniach szarości oraz obrazami kolorowymi. Dalszym rozwinięciem badań przeprowadzonych w ramach niniejszego grantu będą prace nad adaptacyjnymi oświetlaczami, które na podstawie rodzaju analizowanego detalu i aktualnych zewnętrznych warunków oświetleniowych samodzielnie dobiorą parametry naświetlania w taki sposób, aby analizowany obiekt oświetlony był w sposób powtarzalny i optymalny pod względem zastosowanego algorytmu analizy wizyjnej. 

 Grant Rady Naukowej Dyscypliny Inżynieria Mechaniczna