Home | english  | Impressum | Datenschutz | Sitemap | KIT

Entwicklung und Anwendung maschineller Lernverfahren zur spektroskopischen Bild- und Datenanalyse

Entwicklung und Anwendung maschineller Lernverfahren zur spektroskopischen Bild- und Datenanalyse
Ansprechpartner:

M.Sc. Florian Becker

Projektgruppe:

Sichtprüfsysteme (SPR)

Projektbeschreibung

Hyperspectral Imaging bezeichnet die Kombination von Spektroskopie und digitaler Bildverarbeitung. Diese relativ neue Bildgebungstechnologie ermöglicht es, chemischen Eigenschaften eines Objekts ortsaufgelöst zu messen bzw. zu inferieren und bildhaft darzustellen. Hierzu müssen Verfahren des Maschinellen Lernens und der multivariaten Datenanalyse eingesetzt werden, um den Zusammenhang zwischen den spektroskopischen Messdaten und den chemischen Eigenschaften zu modellieren. Insbesondere werden hierzu aktuelle Ansätze des Deep Learnings (z. B. Representation Learning, Transfer Learning und Autoencoder) und der Anomaliedetektion untersucht und angewendet. Die Anomaliedetektion ist insbesondere im Zusammenhang "food fraud detection" ein immer relevanter werdender Forschungsbereich.

Veröffentlichungen
TitelAutorenQuelle
Maier, G.; Pfaff, F.; Becker, F.; Pieper, C.; Gruna, R.; Noack, B.; Kruggel-Emden, H.; Längle, T.; Hanebeck, U.; Wirtz, S.; Scherer, V.; Beyerer, J.tm - Technisches Messen 85 Nr. 3, S. 202-210, De Gruyter, Oldenbourg, 2018.
Maier, G.; Pfaff, F.; Becker, F.; Pieper, C.; Gruna, R.; Noack, B.; Kruggel-Emden, H.; Längle, T.; Hanebeck, U.; Wirtz, S.; Scherer, V.; Beyerer, J.KIT Scientific Publishing, K. (Hrsg.), Proceedings of the 3rd Conference on Optical Characterization of Materials (OCM 2017), 2017.