ชุดวิชาเครื่องจักรวิทัศน์อัจฉริยะ

Intelligent Machine Vision Module

ข้อมูลชุดวิชา

หลักสูตร
ชุดวิชาเครื่องจักรวิทัศน์อัจฉริยะ (Intelligent Machine Vision Module)
รหัสวิชา
241-252 ชุดวิชาเครื่องจักรวิทัศน์อัจฉริยะ
9((6)-6-15) หน่วยกิต

คำอธิบายรายวิชา

พื้นฐานของการมองเห็นคอมพิวเตอร์: ธรรมชาติของภาพ, การเปลี่ยนแปลงที่เป็นเนื้อเดียวกัน,การได้มาของภาพ, การสร้างภาพทางเรขาคณิต และออปติคอล,การฉายภาพมุมมอง, เทคโนโลยีกล้องและการออกแบบระบบการมองเห็นพื้นฐานของการประมวลผลภาพ: การกรอง, การตรวจจับขอบ, การตรวจจับ คุณสมบัติ, รูปทรง, การแบ่งส่วน,ตัวดำเนินการทางสัณฐานวิทยา การสอบเทียบ: รุ่นของกล้อง, พารามิเตอร์กล้องภายในและภายนอก,การปรับเทียบกล้อง การเคลื่อนไหว: ตรวจจับ การเคลื่อนไหวไหล ออปติคอลการติดตามวัตถุจับการเคลื่อนไหว การถ่ายภาพสามมิติ: เรขาคณิตแบบ Epipolar,การมองเห็น แบบสามมิติ, การถ่ายภาพช่วงแอคทีฟ, แสงแบบมีโครงสร้าง การสร้างแบบจลองและการลงทะเบียน: เทคนิคการสร้างแบบจลองสหรับระบบอัตโนมัติ,ฟิวชันข้อมูล, การทำแผนที่ความไม่แน่นอน, การลง ทะเบียน, การประมาณแบบ Pose แอปพลิเคชัน: การควบคุมคุณภาพ, ข้อเสนอแนะภาพ, การทำแผนที่ และคำแนะนำหุ่นยนต์, การตรวจสอบกิจกรรม, การประมาณการเคลื่อนไหว,ระบบอัตโนมัติ, อุปกรณ์ถ่าย ภาพชีวการแพทย์ โครงงานย่อยวิศวกรรมปัญญาประดิษฐ์

Basics of computer vision: Nature of images, Homogeneous transformations, Image acquisition, geometrical and optical image formation, perspective projection, camera technologies and vision systems design. basics of Image processing: filtering, edge detection, features detection, contours, segmentation, morphological operators. calibration: camera model, Intrinsic and extrinsic camera parameters, camera calibration. motion: motion detection, optical flow, object tracking, motion capture. three-dimensional imaging: epipolar geometry, stereoscopic vision, active range imaging, structured lighting. modeling and registration: modeling techniques for autonomous systems, data fusion, uncertainty mapping, registration, pose estimation. applications: quality control, visual feedback, mapping and robot guidance, activity monitoring, motion estimation, autonomous systems, biomedical imaging devices; artificial Intelligence small project

ผลลัพธ์การเรียนรู้

  1. การคิด วิเคราะห์ และวางแผนเชิงระบบ เพื่อการปรับปรุงประสิทธิภาพและเพิ่มผลิตภาพ กระบวนการผลิตในอุตสาหกรรมด้วยเทคโนโลยีแมชชีนวิชันได้
  2. วางแผนจัดการ ดำเนินการ การนำเทคโนโลยีแมชชีนวิชันไปใช้ในการการปรับปรุงประสิทธิภาพและเพิ่มผลิตภาพกระบวนการผลิตในอุตสาหกรรมได้
  3. ออกแบบพัฒนาและติดตั้งเทคโนโลยีแมชชีนวิชันที่เหมาะสมกับกระบวนการผลิตได้
  4. รวบรวมข้อมูลและวิเคราะห์ผลการทดสอบเทคโนโลยีแมชชีนวิชันได้
  5. ทำงานทำร่วมกับผู้เชี่ยวชาญด้านต่าง ๆ เช่น วิศวกรด้านการผลิตในอุตสาหกรรม วิศวกรรมไฟฟ้าและวิศวกรรมควบคุมได้

การนำเสนองานกลางภาคของนักศึกษา ปีการศึกษา 2567

การนำเสนองานกลางภาคของนักศึกษา ปีการศึกษา 2568

การตรวจสอบรอย crack ในกระป๋อง

License Plate Recognition (LPR) Detection and Tracking