Bachelor-/Master-Arbeiten

Zum Thema „Entwicklung eines Verfahrens zur bildbasierten Erkennung von Vereisung an Windenergieanlagen“, Masterarbeit

 
Motivation:

• Vereisung an Windenergieanlagen sorgt für erhebliche Leistungsverluste in kälteren Regionen und der Eiswurf von den Rotorblättern stellt eine Gefahr für Mensch und Natur dar.
• Etablierte Bildverarbeitungsverfahren wie Deep Learning eignen sich sehr gut für die automatisierte Erkennung von Eis auf Rotorblättern aus Bilddaten.

 
Problemstellung:

• Für die Verifizierung eines prädiktiven Eiserkennungssystems sollen Bilddaten von Rotorblättern benutzt werden. Aufgrund der großen Anzahl von Bildern ist die automatisierte Erkennung von relevanten Informationen (wie z.B. Vereisung) die einzig sinnvolle Möglichkeit.

 
Zielsetzung:

• In dieser Arbeit soll ein Verfahren entwickelt werden, welches in der Lage ist, in Nahaufnahmen von Rotorblättern zu erkennen, ob eine Vereisung vorliegt oder nicht, z.B. mittels eines Deep Learning Modells.
• Nach Möglichkeit sollen weitere Umgebungszustände wie Nebel oder Tageszeit auch automatisch aus den Bildern erkannt werden.
• Des Weiteren ist zu prüfen, ob eine Vorverarbeitung der Bilder (z.B. Entfernen von Rauschen) zu besseren Ergebnissen führt.

 
Voraussetzung:

• Interesse an Bildverarbeitung und Deep Learning
• Programmierkenntnisse, idealerweise in Python
• Abgeschlossenes Bachelorstudium (aus Fachbereich 3 oder 4)
• Gute Englischkenntnisse (wichtig für das Verstehen von wissenschaftlichen Papieren)
• Sehr gute Deutschkenntnisse in Wort und Schrift

 
Ansprechpartner:
Markus Kreutz
E-Mail: kre@biba.uni-bremen.de
Tel.: 0421 / 218 - 50049

Zum Thema „Optische Erkennung und Auslesung von analogen Anzeigeinstrumenten basierend auf Deep Learning“ ab sofort, Master oder Bachelorarbeit

 
Hintergrund:

• Die innovative Technologie Augmented Reality soll zukünftig die Arbeiter bei Installations- und Wartungsvorgängen als ein Assistenzsystem unterstützen.
• Eine Teilaufgabe solchen Assistenzsystems beinhaltet z.B. die automatische Komponentenerkennung und Bereitstellung der Zusatzinformationen.

 
Aufgabenbeschreibung:

• Implementierung eines Algorithmus zur optischen Erkennung der analogen Anzeigeinstrumente basierend auf Deep Learning.
• Entwicklung einer Methode zur Ablesung der Messwerte. Evaluation der Algorithmen anhand von Labortests.

 
Voraussetzung:

• Ein fortgeschrittenes oder abgeschlossenes Bachelorstudium (z.B. Systems Engineering, Produktionstechnik, Informatik).
• Erste Erfahrung im Bereich Bildverarbeitung, Machine oder Deep Learning (wünschenswert).
• Programmierkenntnisse in Python (wünschenswert).
• Interesse am Themengebiet.
• Gute Deutschkenntnisse.

 
Ansprechpartner:
Denhof, Dimitri
E-Mail: den@biba.uni-bremen.de
Tel: 0421 / 218 - 50090

Zum Thema „Optische Erkennung und Decodierung von Bar- und QR-Codes basierend auf Deep Learning“ ab sofort, Master oder Bachelorarbeit

 
Hintergrund:

• Die innovative Technologie Augmented Reality soll zukünftig die Arbeiter bei Installations- und Wartungsvorgängen als ein Assistenzsystem unterstützen.
• Eine Teilaufgabe solchen Assistenzsystems beinhaltet z.B. die automatische Komponentenerkennung und Bereitstellung der Zusatzinformationen.

 
Aufgabenbeschreibung:

• Implementierung eines Algorithmus zur optischen Erkennung der Bar- und QR-Codes basierend auf Deep Learning.
• Implementierung einer Methode zur Decodierung der Codes.
• Evaluation der Algorithmen anhand von Labortests.

 
Voraussetzung:

• Ein fortgeschrittenes oder abgeschlossenes Bachelorstudium (z.B. Systems Engineering, Produktionstechnik, Informatik).
• Erste Erfahrung im Bereich Bildverarbeitung, Machine oder Deep Learning (wünschenswert).
• Programmierkenntnisse in Python (wünschenswert).
• Interesse am Themengebiet.
• Gute Deutschkenntnisse.

 
Ansprechpartner:
Denhof, Dimitri
E-Mail: den@biba.uni-bremen.de
Tel: 0421 / 218 - 50090

Zum Thema „Entwicklung einer Lichtfeldkamera und Implementierung von Algorithmen zur Gewinnung der Tiefeninformationen“ ab sofort, Bachelor oder Masterarbeit

 
Hintergrund:

• Bei einer automatisierten Rotorblattinspektion von Windenergieanlagen mit Hilfe einer Drohne sollen die Rotorblätter vom Hintergrund segmentiert werden. Die Umsetzung dieser Segmentierung mittels einer Lichtfeldkamera soll untersucht werden.

 
Aufgabenbeschreibung:

• Aufbau einer Lichtfeldkamera aus mehreren Kameras mit entsprechenden Hardwarekomponenten.
• Implementierung des Algorithmus zur Gewinnung der Tiefeninformationen.
• Evaluation anhand von Labortests.

 
Voraussetzung:

• Ein fortgeschrittenes oder abgeschlossenes Bachelorstudium (z.B. Produktionstechnik, Systems Engineering, Informatik).
• Erste Erfahrung in der Bildverarbeitung und Programmierung von Entwicklungsboards (wünschenswert).
• Interesse am Themengebiet.
• Gute Deutschkenntnisse.

 
Ansprechpartner:
Denhof, Dimitri
E-Mail: den@biba.uni-bremen.de
Tel: 0421 / 218 – 50090
 

Arbeitsthema: Simulation und Implementierung einer Oberflächenrekonstruktion von 3D Punktwolken, ab sofort, (Bachelor)

Hintergrund:

• Um den optimalen Gärzustand von Teiglingen zu erfassen, wird ein intelligentes Überwachungssystem entwickelt.
• Die während des Vermessens mittels LIDAR aufgenommenen Punktwolken weisen unorganisierte Strukturen auf, welche für die weitere Auswertung systematisch aufgearbeitet werden müssen.

 
Aufgabenbeschreibung:

• Realisierung einer Oberflächenrekonstruktion segmentierter Punktwolken und Evaluierung anhand von Testfällen.

 
Voraussetzung:

• Ein fortgeschrittenes oder abgeschlossenes Bachelorstudium ( z.B. Systems Engineering, Wirtschaftsingenieurwesen, Produktionstechnik oder Ähnliche)
• Grundlagen der Bildverarbeitung
• Programmierkenntnisse, vorzugsweise Python
• Eigenständige Arbeitsweise

 
Ansprechpartner:
Lino Antoni Giefer
E-mail: gif@biba.uni-bremen.de
Tel.: 0421 / 218 - 50147
 

Arbeitsthema: Simulation und Implementierung von semantischer Segmentierung von 3D Punktwolken, ab sofort, (Bachelor)

Hintergrund:

• Um den optimalen Gärzustand von Teiglingen zu erfassen, wird ein intelligentes Überwachungssystem entwickelt.
• Die während des Vermessens mittels LIDAR aufgenommenen Punktwolken weisen unorganisierte Strukturen auf, welche für die weitere Auswertung systematisch aufgearbeitet werden müssen.

 
Aufgabenbeschreibung:

• Realisierung und Evaluierung von Algorithmen zur semantischen Segmentierung von simulierten Punktwolken.

 
Voraussetzung:

• Ein fortgeschrittenes oder abgeschlossenes Bachelorstudium ( z.B. Systems Engineering, Wirtschaftsingenieurwesen, Produktionstechnik oder Ähnliche)
• Grundlagen der Bildverarbeitung
• Programmierkenntnisse, vorzugsweise Python
• Eigenständige Arbeitsweise

 
Ansprechpartner:
Lino Antoni Giefer
E-mail: gif@biba.uni-bremen.de
Tel.: 0421 / 218 - 50147
 

Arbeitsthema: Intelligente Algorithmen zur Planung von automatischen Beladesystemen (Bachelor/Master)

 
Hintergrund:

• Die automatische Beladung von Containern oder Paletten erfordert Algorithmen zur optimalen Planung der Beladereihenfolge.
• Abhängig von der Art und der Ausmaße der zu beladenen Güter werden entsprechende Algorithmen benötigt.
• Die Arbeit ist in einem anwendungsorientierten Forschungsprojekt für die Entwicklung von automatischen Beladesystemen angesiedelt.

 
Aufgabenbeschreibung:

• Recherche und intensive Auseinandersetzung mit adaptiven und intelligenten Algorithmen
• Entwicklung einer Methode für optimale Planung zur Beladung von Containern oder Paletten
• Evaluation und Bewertung anhand von Simulation des Prozesses

 
Voraussetzung:

• Studium des Systems Engineering, Mathematik und Informatik
• Exzellente Programmierkenntnisse und Erfahrungen im Bereich der künstlichen Intelligenz
• Selbstständige, wissenschaftliche Arbeitsweise

 
Wir bieten:

• Unmittelbarer Praxisbezug durch Thema aus aktuellem Forschungsprojekt
• Intensive Betreuung und regelmäßiges Feedback

 
Interessenten melden sich bitte bei:
Hendrik Thamer
E-mail: tha@biba.uni-bremen.de
Tel.: 0421 / 218 – 50160
 

Arbeitsthema: Entwicklung von Deep Learning Anwendungen für die Automatisierung von produktionstechnischen und logistischen Prozessen (Bachelor/Master)

 
Hintergrund:

• Deep Learning ist ein neuartiger Ansatz in der künstlichen Intelligenz, der großes Potenzial für diese Aufgabenstellung bietet.
• Der Anwendungsbereich der Arbeit wird nach Interesse des Studenten/der Studentin definiert. Bspw. Automatisierungstechnik, Robotik oder Prozessoptimierung.
• Die Arbeit ist in der Abteilung Robotik und Automatisierung angesiedelt.

 
Aufgabenbeschreibung:

• Recherche und intensive Auseinandersetzung mit Deep Learning
• Anwendung an einem konkreten Beispiel in der Produktion oder Logistik
• Evaluation und Bewertung der Eignung von Deep Learning für die Aufgabenstellung

 
Voraussetzung:

• Studium des Systems Engineering, Mathematik und Informatik
• Exzellente Kenntnisse im Bereich künstliche neuronale Netze oder erste Erfahrungen mit Deep Learning
• Technisches Grundverständnis und sehr gute Programmierkenntnisse (idealerweise C++)
• Selbstständige, wissenschaftliche Arbeitsweise

 
Wir bieten:

• Unmittelbarer Praxisbezug durch Thema aus aktuellem Forschungsprojekt
• Intensive Betreuung und regelmäßiges Feedback

 
Interessenten melden sich bitte bei:
Hendrik Thamer
E-mail: tha@biba.uni-bremen.de
Tel.: 0421 / 218 – 50160
 

Arbeitsthema: Automatische Szenenanalyse für die Entwicklung intelligenter Robotersysteme für logistische Prozesse (Bachelor/Master)

 
Hintergrund:

• Die Fortschritte in der künstlichen Intelligenz und Sensorik ermöglichen intelligente Automatisierungssysteme für dynamische logistische Prozesse.
• Der Anwendungsbereich der Arbeit wird nach Interesse des Studenten/der Studentin definiert. Bspw. Automatisierungstechnik, Robotik oder Prozessoptimierung.
• Die Arbeit ist in der Abteilung Robotik und Automatisierung angesiedelt.

 
Aufgabenbeschreibung:

• Recherche und intensive Auseinandersetzung mit Objekterkennungsmethoden
• Anwendung an einem konkreten Beispiel in der Logistik
• Spezifikation und Umsetzung eines kleinen Demonstrators

 
Voraussetzung:

• Studium des Systems Engineering, Mathematik und Informatik
• Exzellente Kenntnisse im Bereich künstliche Intelligenz und Objekterkennung
• Erfahrungen mit Bildverarbeitungssystemen (2D,3D) und Mikrocontrollerprogrammierung
• Technisches Grundverständnis und sehr gute Programmierkenntnisse (idealerweise C++, OpenCV, PCL)
• Selbstständige, wissenschaftliche Arbeitsweise

 
Wir bieten:

• Unmittelbarer Praxisbezug durch Thema aus aktuellem Forschungsprojekt
• Intensive Betreuung und regelmäßiges Feedback

 
Interessenten melden sich bitte bei:
Hendrik Thamer
E-mail: tha@biba.uni-bremen.de
Tel.: 0421 / 218 – 50160
 

Arbeitsthema: Selbstlernende Roboter und Automatisierungssysteme für logistische Prozesse (Bachelor/Master)

 
Hintergrund:

• Die Fortschritte in der künstlichen Intelligenz ermöglichen kognitive Automatisierungssysteme für dynamische logistische Prozesse.
• Der Anwendungsbereich der Arbeit wird nach Interesse des Studenten/der Studentin definiert. Bspw. Automatisierungstechnik, Robotik oder Prozessoptimierung.
• Die Arbeit ist in der Abteilung Robotik und Automatisierung angesiedelt.

 
Aufgabenbeschreibung:

• Recherche und intensive Auseinandersetzung mit kognitiven Systemen
• Anwendung an einem konkreten Beispiel in der Logistik
• Spezifikation und Umsetzung eines kleinen Demonstrators

 
Voraussetzung:

• Studium des Systems Engineering, Mathematik und Informatik
• Exzellente Kenntnisse im Bereich künstliche Intelligenz und maschinelles Lernen
• Technisches Grundverständnis und sehr gute Programmierkenntnisse (idealerweise C++)
• Selbstständige, wissenschaftliche Arbeitsweise

 
Wir bieten:

• Unmittelbarer Praxisbezug durch Thema aus aktuellem Forschungsprojekt
• Intensive Betreuung und regelmäßiges Feedback

 
Interessenten melden sich bitte bei:
Hendrik Thamer
E-mail: tha@biba.uni-bremen.de
Tel.: 0421 / 218 – 50160
 

Arbeitsthema: Big Data Analysis von Zeitreihendaten (Master)

Hintergrund:

• Viele technische Systeme sind heutzutage mit einer Vielzahl von Sensoren ausgestattet, die sekündlich unterschiedlichste Daten sammeln
• Je nach Anwendungsfall müssen diese Daten aufbereitet und Informationen abgeleitet werden

 
Zielsetzung:

• Anwendung verschiedener Verfahren, bspw. für die Vorhersage der Restlebensdauer eines Systems
• Interpretation der Ergebnisse / Vergleich der Verfahren

 
Aufgabenbeschreibung:

• Entwicklung von Analysen, welche die Daten aus korrelierenden Zeitreihen aufbereiten und Vorhersagen ermöglichen bzw. Abweichung erkennen
• Literaturrecherche
• Umsetzung mit der Open-Source Software H2O

 
Voraussetzung:

• Programmierkenntnisse, vorzugsweise in JAVA und R
• Statistikkenntnisse
• Eigenständige Arbeitsweise
• Keine Scheu vor Mathematik

 
Interessenten melden sich bitte bei:
BIBA, Forschungsbereich: IPS
 
Stephan Oelker
E-mail: oel@biba.uni-bremen.de
Tel.: 0421 / 218 – 50130
 
Abderrahim Ait Alla
E-mail: ait@biba.uni-bremen.de
Tel.: 0421 / 218 – 50082
 

Arbeitsthema: Bestimmung der optimalen Sensoranordnung und -konfiguration für Robotersysteme in der Logistik (Bachelor/Master)

Hintergrund:

• Das Vision System eines Roboters ist von entscheidender Bedeutung für die „Intelligenz“ eines Robotersystems.
• Moderne 3D-Kameras liefern hochauflösende 2D- und 3D-Daten, die zur einer echtzeitfähigen Analyse geeignet sind und dadurch intelligente und lernfähige Robotersysteme ermöglichen.
• Die Arbeit ist in einem anwendungsorientierten Forschungsprojekte zur Steigerung der Energieeffizienz in der Produktion angesiedelt.

 
Aufgabenbeschreibung:

• Recherche und intensive Auseinandersetzung mit der Bestimmung der optimalen Position von 2D- und 3D-Kameras
• Implementierung von Optimierungsalgorithmen in eine vorhandene Simulationssoftware
• Evaluation und Bewertung anhand eines konkreten Anwendungsfall aus der Logistik durch Simulation sowie Labortests

 
Voraussetzung:

• Studium des Systems Engineering, Mathematik und Informatik
• Exzellente Kenntnisse im Bereich Bildverarbeitung oder 3D-Sensorsysteme
• Technisches Grundverständnis und sehr gute Programmierkenntnisse (idealerweise C++ oder C#)
• Selbstständige, wissenschaftliche Arbeitsweise

 
Wir bieten:

• Unmittelbarer Praxisbezug durch Thema aus aktuellem Forschungsprojekt
• Intensive Betreuung und regelmäßiges Feedback

 
Interessenten melden sich bitte bei:
Hendrik Thamer
E-mail: tha@biba.uni-bremen.de
Tel.: 0421 / 218 – 50160