Anda teadmised masinnägemise kui valdkonna sisust, arengutest ja tulevikutrendidest.
Anda teadmised ja oskused masinnägemissüsteemi komponentide (kaamerad, sensorid, sardsüstteemid, tarkvara (LabView, Matlab ja OpenCV) jms.) kasutamisest.
Anda teadmised ja oskused tehnosüsteemide tüüpilisemate masinnägemise probleemide lahendamiseks ning masinnägemise süsteemide kavandamiseks arukates süsteemides.
Anda teadmised tehisintellekti ja masinõppe algoritmide rakendamisest kaasaegsetes masinnägemissüsteemides robootika ja arukate süsteemide arendusel.

To give knowledge about machine vision as a technology field, respective developments and future trends.
To give knowledge and skills to utilize machine vision system components (cameras, sensors, embedded vision elements, software (LabView, Matlab and OpenCV) etc.) .
To give knowledge and skills for solving typical machine vision problems in engineering systems and for developing respective machine vision solutions in smart systems.
To give knowledge about the use of AI and machine learning algorithms in advanced machine vision systems at robotics and smart system development.

Tunneb ja orienteerub kõrgtehnoloogiliste masinnägemissüsteemide põhiprintsiipides ning struktuuris ja nende süsteemide kasutamises mehhatroonika, robottehnika ja tootmissüsteemides
Tunneb peamisi masinnägemissüsteemides kasutatavaid tehnikaid ja meetodeid ning nende rakendatavust erinevates tehnilistes süsteemides
Tunneb ja on võimeline kasutama masinnägemissüsteemide kavandamise ja analüüsi kontseptsioone praktiliste süsteemide loomisel tehnoloogiliste ülesannete lahendamiseks.
Tunneb ja on võimeline rakendama erinevaid tarkvaralahendusi visuaalinformatsioonil baseeruvate otsustusprotsesside automatiseerimisel.

Knows and orients in basic principles and structures of high-tech machine vision systems and their use in mechatronics, robotics and production systems.
Knows the main techniques and methods for machine vision applications and their usability in technology applications.
Knows and is able to use design and analysis concepts for developing practical machine vision systems for solving basic related technical problems.
Knows and is able to implement machine vision software to automate technology processes on the base of visual information.

Masinnägemistehnoloogia üldpõhimõtted ja kasutamine masinnägemise rakendustes; süsteemide parameetrid; optilised elemendid, tundlikud elemendid ja visuaalsete andmete hõive; biobaseeruvad optilised andurid ja muundurid; masinnägemise roll mehhatroonika ja automaatika rakendustes; masinnägemissüsteemid ja tööstus; masinnägemise kontseptsioonid ja algoritmid aukates süsteemides; kujutise saamine; kujutise konversioon; mustrid ja konvolutsioon; reaalajaline tunnuste ekstraheerimine ja tuvastamine; tunnuste valik ja plaanimine visuaalseks juhtimiseks; pilditöötlus ja otsustusprotsess; optilised monitooringu meetodid; robotite visuaalne juhtimine ja õpetamine; 3D masinnägemise tehnikad; masinnägemise rakenduste hindamine, analüüs ja realiseerimine; alternatiivlahendused ja trendid. Tehisintellekti ja masinõppe kasutamine masinnägemissüsteemides. Masinnägemissüsteemides kasutatav tarkvara (Matlab, LabView, OpenCV jt.). Kursus sisaldab ühe praktilise probleemi lahendamist kursuseprojektina.

Understanding Machine Vision technology applications; Characteristics of Systems; Vision System Elements, Sensors, and data acquisition; Biological-Based Optical Sensors and Transducers; Machine Vision Importance for Real Mechatronic Applications and Automation; Machine Vision Industry; Machine Vision Concepts and algorithms; Image Acquisition; Image Conversion; Optical Information Processing and Pattern Recognition; Real-Time Feature Extraction and Image Recognition; Feature Selection and Planning for Visual Servoing; Image Processing and Decision-Making; Visual Methods for Monitoring and Detecting; Visual Guidance for Robots; Three-Dimensional Machine Vision Techniques; Evaluating Machine Vision Applications; Application Analysis and Implementation; Alternatives to Machine Vision and trends. Use of AI and Machine Learning at Machine Vision problem solving.

Praktilised ülesanded: 20%
Kursuseprojekt: 50%
Teooria test: 30%
Arvestuse eelduseks on positiivselt arvestatud praktiliste ülesannete aruanded ja kaitstud projekt.

Practical exercises: 20%
Course project: 50%
Test: 30%
Pre-requirement for the exam is accepted exercise reports and presented course project report.

Iseseisva töö eesmärgid:
kinnistada loengute materjali iseseisva mõtestatud tegevusega,
omandada vilumusi tööstuslike masinnägemissüsteemide praktiliste kavandamis- ja integreerimisülesannete lahendamisel,
omandada vilumusi inseneritegevuse kirjalike aruannete koostamisel ja praktilise tegevuse esitamisel.

The aim of individual work:
to deepen the knowledge developed by lecture material by individual analysis and practical work,
to develop skills for solving industrial machine vision systems practical problems,
to develop skills for composing written engineering reports and presenting practical developments.

Loengukonspekt (lecture slides and exrecise materials)

-