Automatismes / Vision artificielle Algorithmes pour la Vision Artificielle
Fourni(e) par TechniFutur
Description
Type de formation : | Participants : 10 | Durée : 1 jour
- 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.
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
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
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)