Automatismes / Vision artificielle Algorithmes pour la Vision Artificielle

Fourni(e) par

Plus d'information

Description

Type de formation :  | Participants : 10  | Durée : 1 jour

> Objectifs
  • Offrir une base de connaissances et un aperçu des divers algorithmes d’analyse d’image, leur fonctionnement et leur contexte d’application
  • Présenter aux participants les différents modes de traitement de l’image pour en retirer des résultats robustes qui serviront à l’asservissement d’automates industrielles.
> Public

Ingénieurs et développeurs de systèmes de vision qui souhaitent approfondir et/ou élargir leurs connaissances sur le fonctionnement et l'offre en algorithmes pour le traitement d'images dans un contexte d'application en vision industrielle

> Prérequis

Avoir des connaissances / compréhension en mathématiques appliquées ainsi que:

  • Soit une expérience dans le développement de systèmes de vision et/ou configuration de logiciel de vision
  • Soit une expérience en configuration de smart caméra ou de systèmes de vision basés sur des composants individuels
> Programme

Cours d’introduction aux algorithmes de traitement d’images (Filtres-morphologie-Thresholding-Regions-Segmentations-Features-Classifications)

Présentation de la terminologie et concepts propres à la Vision Industrielle

Pixels, thresholds, edges, regions, contours, histogram, features, noise smoothing, colours, gamma-factor, radiometric, calibration and LUT.

Filtres

  • Convulation d’images, Mean, Median, Gauss, Binomial, filtrage par Fourier (Convulation, corrélation)
  • Segmentation de l’image: dynamic thresholding, subpixel precise thresholding, Region features, Moments, Line Fitting, Circle & Ellipse Fitting
  • Morphologie: Minkowsky, Erosion, Dilation, inner-boarders, outer-boarders, Hit-or-miss, opening, closing, skeletization, gray value morphology, edges (Canny and Deriche)

Template Matching

SAD, SSD, NCC, Distance transformation

Classification I

Décisions Bayesianes & Nearest Neighbours & Guassian Mixture Modules (GMM)

Classification II

Réseaux neuronaux et Multi Layer Perception (MLP)

Classification III Support Vector Machines (SVM)

Résumé et discussion

Je souhaite plus d'information ou je m'inscris

Date de début Lieu/méthode
Aucune date fixe Liège S'inscrire

Article suggéré

Une formation pour devenir frituriste a été lancée à Perwez. Elle a pour objectif de pallier le manque de baraque à frites dans la région.