- Titel
- Automatisierte Erkennung von Messarealen bei robotergestützten In Vivo Messungen
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:l189-qucosa2-838936
- Konferenz
- 19. AALE-Konferenz. Luxemburg, 08.03.-10.03.2023
- Quellenangabe
- Tagungsband AALE 2023
Herausgeber: Hochschule für Technik, Wirtschaft und Kultur Leipzig
Erscheinungsort: Luxemburg
Erscheinungsjahr: 2023
ISBN: 978-3-910103-01-6 - Erstveröffentlichung
- 2023
- DOI
- https://doi.org/10.33968/2023.17
- Abstract (DE)
- Dieser Beitrag schlägt ein Bildverarbeitungsmodell zur automatisierten Bestimmung von Messarealen bei robotergestützten In Vivo Messungen vor. Es wird angenommen, dass moderne Verfahren der Deep-Learning-Objekterkennung in der Lage sind die einzelnen Areale wiederholbar genau genug zu erkennen, um die benötigten Messareale im dreidimensionalen Raum einzupassen. Für das Einpassen werden Tiefeninformationen aus einer stereoskopischen Kamera verwendet. Weiter wird untersucht inwiefern diese Tiefeninformationen als zusätzlicher Eingang für die Deep-Learning-Modelle verwendet werden können. Hierfür wird ein Konzept ausgearbeitet, ein Datensatz erstellt und Modelle zur Objekterkennung in verschiedenen Implementierungen trainiert. Das Verwenden von Tiefeninformationen führt zu einer besseren Generalisierbarkeit der Modelle, insbesondere auf tätowierten Hautarealen. Das Bildverarbeitungsmodell erreicht beim Einpassen der Messareale eine gemittelte Wiederholgenauigkeit bzw. Abweichung von 6, 1 mm bei einer Bildwiederholrate von 2, 3 bis 3, 3 Bildern die Sekunde.
- Freie Schlagwörter (DE)
- Maschinelles Lernen, Bildverarbeitung, Objektdetektion, Mensch-Roboter-Kollaboration
- Herausgeber (Institution)
- Hochschule für Technik, Wirtschaft und Kultur Leipzig, Leipzig
- Version / Begutachtungsstatus
- publizierte Version / Verlagsversion
- URN Qucosa
- urn:nbn:de:bsz:l189-qucosa2-838936
- Veröffentlichungsdatum Qucosa
- 01.03.2023
- Dokumenttyp
- Konferenzbeitrag
- Sprache des Dokumentes
- Deutsch
- Lizenz / Rechtehinweis
CC BY 4.0