Masterarbeit: Bayesian Neural Networks für die semantische Schüttgutinspektion

Am Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB machen wir aus neuesten wissenschaftlichen Erkenntnissen technische Innovationen – und leisten so unseren Beitrag zur Gestaltung der Zukunft.

Für unsere Abteilung Sichtprüfsysteme (SPR) suchen wir aktuell Verstärkung für die Forschungsgruppe „Sensorgestützte Sortiersysteme“. Du unterstützt unser Team im Bereich der KI-basierten Bildauswertung und arbeitest an praxisnahen Projekten an der Schnittstelle zwischen maschinellem Lernen und industrieller Bildverarbeitung. Beim Einsatz in sensorgestützten Sortieranlagen entstehen höchste Anforderungen an die Echtzeitfähigkeit und Robustheit von Signalauswerteverfahren. In deiner Masterarbeit widmest du dich daher der Erforschung von Bayesian Neural Networks (BNNs) für die semantische Segmentierung von Schüttgütern. Ein besonderer Fokus liegt dabei auf der Shift-Detektion, um Veränderungen in den Daten (Data/Concept Shifts) im laufenden Betrieb industrieller Anlagen zuverlässig und sicher zu erkennen.

In unserer Forschungsgruppe greifen wir auf komplexe Versuchsaufbauten und industrielle Demonstratoren zurück. Dabei hast du die Möglichkeit, deine trainierten Modelle und theoretischen Konzepte direkt in die Praxis zu übertragen und unter realitätsnahen Schüttgut-Bedingungen zu evaluieren.

Klingt spannend? Dann bewirb dich jetzt! Nur zehn Minuten Fußweg vom Campus Süd des KIT entfernt wartet deine Chance, Teil unserer renommierten Forschungseinrichtung zu werden.

Hier sorgst Du für Veränderung

- State-of-the-Art analysieren: Du arbeitest dich in den aktuellen Forschungsstand zu Bayesian Neural Networks (BNNs), Unsicherheitsschätzung (Uncertainty Quantification) und semantischer Segmentierung ein.

- KI-Modelle entwickeln: Du implementierst und trainierst BNN-basierte Modelle für die semantische Segmentierung von industriellen Schüttgütern.

- Shift-Detektion konzipieren: Du entwickelst Methoden, um Daten- und Konzeptverschiebungen (Data/Concept Shifts) während des laufenden Anlagenbetriebs zuverlässig zu erkennen.

- Praxisnah evaluieren: Du testest und validierst deine entwickelten Ansätze nicht nur in der Theorie, sondern direkt an realen Sensordaten aus unseren industriellen Schüttgut-Demonstratoren.

- Individueller Fokus: Du bringst deine eigenen Ideen ein – die genaue fachliche Ausrichtung der Arbeit stimmen wir gemeinsam anhand deiner Interessen ab.