Fakultet tehničkih nauka

Predmet: Mašinska vizija (22.EAI021)

Osnovne informacije:
 
Kategorija Naučno-stručni
Uža naučna oblast Telekomunikacije i obrada signala
ESPB 6

Predmet orijentisan ka industrijskim primenama mašinske vizije u cilju konstrukcije tehničkih sistema namenjenih kontroli kvaliteta, pouzdanosti, automatizaciji sistema i procesa, percepciji okruženja. Identifikacija zadataka mašinske vizije i načina za njihovo rešavanje. Sagledavanje mašinske vizije kao jednog od načina percepcije veštačke inteligencije, u cilju pripreme za usmerenja ka izbornim oblastima mašinske vizije i robotike. Predmet demonstrira i istražuje kako znanja iz oblasti obrade slike, fotogrametrije, optimizacije i algoritama mašinskog učenja pronalaze primenu u rešenjima mašinske vizije. Utvrđivanje smernica i kriterijuma na osnovu kojih se određuju i integrišu modalitet snimanja, karakteristike senzora, postupci obrade i analize informacija, kao i načini za ocenjivanje uspešnosti rada sistema. Proširivanje stečenih znanja kroz praktičnu implementaciju sistema mašinske vizije putem predmetnih projekata.

Razumevanje načina na koji se projektuju sistemi mašinske vizije. Mogućnost jasne identifikacije problema koji se rešava, analize planiranih uslova rada, zahtevane tačnosti i načina za postizanje željenih karakteristika. Ovladavanje tehnikama i principima na kojima se zasnivaju postupci mašinske vizije. Sposobnost analize i modifikacije metoda koje se koriste u različitim domenima primene mašinske vizije. Procena mogućnosti razmatranih metoda i načina za njihovo unapređenje. Samostalna realizacija sistema ili pojedinih elemenata mašinske vizije uz mogućnost proširenja znanja daljim radom na određenom problemu. Implementacija sistema mašinske vizije u metrologiji; kontroli kvaliteta; automatizaciji proizvodnje, pakovanja i skladištenja; saobraćaju i transportu; preciznoj poljoprivredi; daljinskom nadzoru; digitalnoj produkciji, bezbednosnim sistemima i biometriji.

Sistemi za akviziciju slike - principi, karakteristike, konstrukcija. Model scene, kamere i slike. Geometrijska i radiometrijska kalibracija aktivnih i pasivnih senzora slike. Geometrija i orijentacija pojedinačne slike, para slika (stereovizija), tri i više slika. Reprezentacija tačaka, linija i površi, projektivne transformacije. Osnove fotogrametrije i 3D rekonstrukcije. Obrada slike u prostornom i frekvencijskom domenu. Linearno i nelinearno filtriranje slike. Osnove kompresije slike i videa. Segmentacija slike i videa. Morfološke operacije. Detekcija ivica, linija, duži, kružnica, elipsi, poligona. Modeli šuma. Multirezoluciona analiza slike. Osnove računarske rekonstrukcije slike (CT, SAR) i rekonstrukcije signala iz nepotpunih merenja. Primene varijacionih metoda u mašinskoj viziji (anizotropska difuzija, aktivne konture). Deskriptori slike. Prepoznavanje oblika i mašinsko učenje u mašinskoj viziji. Analiza kretanja, optički tok, praćenje objekata u videu. Analiza principa konstrukcije sistema mašinske vizije na različitim primerima iz prakse: sistemi za biometrijsku analizu (prepoznavanje lica, otiska prsta, vena na ruci, dužice oka), precizna poljoprivreda (snimanje iz drona), mašinstvo (detekcija defekata, pukotina, robotski sistemi za zavarivanje), rekonstrukcija površi i analiza oblaka tačaka (mapiranje, lokalizacija, Lidar), termovizijsko snimanje, detekcija ljudi i analiza kretanja, animacija karaktera i sinteza scene, sistemi video nadzora, optičko prepoznavanje teksta (u kontrolisanim i slobodnim uslovima), merenje i kontrola kvaliteta korišćenjem kamere, stereo i monokularna procena dubine scene.

Predmet se pohađa kroz standardne oblike ostvarivanja nastave i uključuje obavezno prisustvo na predavanjima i računarskim vežbama. Predavanja su praćena multimedijalnim sadržajima u formi prezentacija i video snimaka. Pored savladavanja sadržaja predmeta predavanja imaju zadatak da motivišu dalji samostalni rad studenata. Računarske vežbe i demonstracija rada sistema mašinske vizije; Konsultacije; Analiza i kritička diskusija odabranih radova iz oblasti; Priprema za samostalnu izradu predmetnog projekta koji se predaje u celosti i usmeno brani. Pismeni ispit polaže se u redovnim ispitnim rokovima i na njemu je potrebno ostvariti najmanje 50% predviđenih poena iz oba dela. Polaganje pismenog ispita može da se organizuje i tokom trajanja semestra u kome se izvodi nastava, kroz dva kolokvijuma.

Autori Naziv Godina Izdavač Jezik
J. Billingsley, P. Brett Mechatronics and machine vision in practice 1-3 2018 Springer Engleski
B. G. Batchelor Machine vision handbook 1-2 2012 Springer Engleski
W. Förstner, B. Wrobel Photogrammetric computer vision 2016 Springer Engleski
W. Burger, M. Burge Principles of digital image processing 1-2. 2009 Springer Engleski
O. Sergiyenko, и др. Machine vision and navigation 2020 Springer Engleski
Predmetna aktivnost Predispitna Obavezna Broj poena
Predmetna aktivnost
Test
Predispitna
Da
Obavezna
Da
Broj poena
10.00
Predmetna aktivnost
Test
Predispitna
Da
Obavezna
Da
Broj poena
10.00
Predmetna aktivnost
Završni ispit - I deo
Predispitna
Ne
Obavezna
Da
Broj poena
20.00
Predmetna aktivnost
Završni ispit - II deo
Predispitna
Ne
Obavezna
Da
Broj poena
30.00
Predmetna aktivnost
Predmetni projekat
Predispitna
Da
Obavezna
Da
Broj poena
30.00
Predavanja
Računarske vežbe